线性回归方法是假定条件属性和决策属性之间存在线性关系，然后通过训练数据拟合出一个（ ）方程，并使用该方程去预测未知的新实例。

A. ANI与AGI$;$ANI与AI$;$AGI与VR$;$AI与VR

A. Transformer$;$Sel-Attention模块$;$RNN循环连接$;$文本卷积

A. 零次数据$;$一次数据$;$二次数据$;$三次数据

A. 深度学习是机器学习的一个分支$;$深度学习与机器学习是互相包含的关系$;$深度学习与机器学习同属于人工智能但相互之间没有关系$;$以上都不对

A. 字符$;$链表$;$行列式$;$键值对

A. 留一法$;$交叉验证法$;$流出法$;$自助法

A. Jupyter Notebook$
;$MyEclipse$;
$Android Studio$;
$Spider

A. 分类$;$聚类$;$关联分析$;$隐马尔可夫链

A. 若λ=0，则等价于一般的线性回归$;$若λ=0，则不等价于一般的线性回归$;$若λ=+∞，则得到的权重系数很小，接近于零$;$若λ=+∞，则得到的权重系数很大，接近与无穷大