以下关于熵、信息增益、基尼指数的相关描述中错误的是

假设我们要解决一个二类分类问题，我们已经建立好了模型，输出是0或1，初始时设阈值为05，超过05概率估计，就判别为1，否则就判别0；如果我们现在用另一个大于05的阈值，那么现在关于模型说法，正确的是？1模型分类的召回率会降低或不变2模型分类的召回率会升高3模型分类准确率会升高或不变 4模型分类准确率会降低

对于k折交叉验证，以下对k的说法正确的是？

以下哪些算法是分类算法？

我们想要减少数据集中的特征数，即降维。选择以下适合的方案①使用前向特征选择方法②使用后向特征排除方法③我们先把所有特征都使用，去训练一个模型，得到测试集上的表现然后我们去掉一个特征，再去训练，用交叉验证看看测试集上的表现，如果表现比原来还要好，我们可以去除这个特征④查看相关性表，去除相关性最高的一些特征

下面对集成学习模型中的弱学习器描述错误的是？

在有监督学习中，我们如何使用聚类方法？①我们可以先创建聚类类别，然后在每个类别上用监督学习分别进行学习②我们可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习③在进行监督学习之前，我们不能新建聚类类别④我们不可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习

一个完整机器学习项目需要以下哪些流程？①抽象成数学问题②获取数据③特征预处理与特征选择④训练模型与调优⑤模型诊断与融合⑥上线运行

（）预测是正类的样本中，真正为正类的样本所占预测是正类的样本的比例；（）在真实的正类的样本中，被预测出是正类的样本所占的比例。

降维算法是减少构建模型所需计算时间的方法之一。这种说法是（）。

如果我使用数据集的全部特征并且能够达到100%的准确率，但在测试集上仅能达到70%左右，这说明：（）。