非线性SVM中，核函数的选择对于SVM的性能至关重要（）

()的本质是一种逼近离散值目标函数的过程。

()以当前的假设作为输入，输出一个新的问题供执行系统去探索。

()的输入为对弈的线路或历史记录，而其输出为目标函数的一系列训练样本。

在方差分析中，()反映的是样本数据与其组平均值的差异。

假设你在卷积神经网络的第一层中有5个卷积核，每个卷积核尺寸为7×7，具有零填充且步幅为1。该层的输入图片的维度是224×224×3。那么该层输出的维度是多少？()

下面关于RandomForest和GradientBoostingTrees说法正确的是？()

如果一个SVM模型出现欠拟合，那么下列哪种方法能解决这一问题？()

假设使用逻辑回归进行n多类别分类，使用One-vs-rest分类法。下列说法正确的是？()

假设你使用log-loss函数作为评估标准。下面这些选项，哪些是对作为评估标准的log-loss的正确解释。()

下面哪个/些超参数的增加可能会造成随机森林数据过拟合()