2010年谷歌推出以顶点为中心的图处理系统（），其专为大规模图数据处理而设计，将图数据保存在主存储器中并采用并行计算的BSP模型

在数据挖掘中，比较成熟的预测算法包括Logistic回归模型、（）、决策树、神经网络等

决策树模型刚建立时,有很多分支都是根据训练样本集合中的异常数据（由于噪声等原因）构造出来的。树枝修剪正是针对这类数据（）问题而提出来的。

比较成熟的分类预测模型算法包括Logistic回归模型、广义线性模型、（）、神经网络

集成学习模型的集成方式有

关于模型参数（权重值）的描述，错误的说法是

关于集成学习，以下说法错误的是

强化学习在某种意义上可看作具有“延迟标记信息”的监督学习问题。

预剪枝决策树其训练时间开销比后剪枝决策树要大得多。__

多变量决策树亦称为斜决策树。__

基尼指数越小，数据集的纯度越高。__