（）是将人类语言经过处理转化为机器所能理解语言的一门技术。

A. 训练一个Bagging集成与直接使用基学习算法训练一个学习器的复杂度同阶，因此Bagging是一个很高效的集成学习算法
$;$为处理多分类或回归任务，Bagging需进行修改$;$从偏差-方差分解的角度看，Bagging主要关注降低偏差$;$Bagging的性能依赖于基分类器的稳定性。

A. 指数平滑模型$;$自回归模型$;$移动平均模型$;$差分自回归移动平均模型

A. finally$;$else$;$try$;$if

A. 降低学习率，减少迭代次数$;$
降低学习率，增加迭代次数$;$
提高学习率，增加迭代次数$;$
增加学习率，减少迭代次数$;$

A. 正向推理$;$逆向推理$;$双向推理$;$简单推理

A. Boosting$;$Bagging$;$Stacking$;$Mapping

A. Microsoft$;$intel$;$NVIDIA$;$AMD