当数据太大而不能同时在RAM中处理时，哪种梯度技术更有优势

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：（）。

在以下不同的场景中，使用的分析方法不正确的有（）。

如果一个训练好的模型在测试集上有100%的准确率，这是不是意味着在一个新的数据集上，也会有同样好的表现？

（）和（）是监督学习的代表，（）是无监督学习的代表。

如果自变量X和因变量Y之间存在高度的非线性和复杂关系，那么树模型很可能优于经典回归方法。这个说法正确吗？