决策树中不包含一下哪种结点()。

A. k 值并不是越大越好，k 值过大，会降低运算速度 $;$选择更大的 k 值，会让偏差更小，因为 k 值越大，训练集越接近整个训练样本 $;$选择合适的 k 值，能减小验方差 $;$k 折交叉验证能够有效提高模型的学习能力

A. Action$;$Attention$;$Transformation$;$Information

A. 符号主义学派$;$连接主义学派$;$统计主义学派$;$行为主义学派

A. MTCNN$;$FasterRCNN$;$MaskRCNN$;$AlexNet

A. 从偏差-方差分解的角度看，Boosting主要关注降低偏差$;$从偏差-方差分解的角度看，Bagging主要关注降低方差$;$随机森林简单、容易实现、计算开销小$;$ Boosting不能基于泛化性能相当弱的学习器构建出很强的集成

A. 加快卷积运算$;$增大卷积核$;$扩大感受野$;$通道降维

A. 分箱$;$数据调整$;$数据清理$;$数据重新编码

A. 情报搜集$;$全文检索$;$分词技术$;$热词分析

A. 31$;$24$;$55$;$3