在深度学习任务中，遇到数据不平衡问题时，我们可以用以下哪些方法进行解诀?

A. python不区分大小写$;$set不是python数据类型$;$tuple和list不可以定义为空$;$python可以在Linux系统运行

A. 我们必须在使用PCA前规范化数据$;$我们应该选择使得模型有最大variance的主成分$;$我们应该选择使得模型有最小variance的主成分$;$我们可以使用PCA在低纬度上做数据可视化

A. zeros$;$ones$;$empty$;$arange

A. 扩充数据集$;$数据重采样$;$设计对数据分布不敏感的损失函数$;$使用复杂的网络

A. kNN$;$SVR$;$线性回归$;$逻辑回归

A. 增加训练集量$;$减少神经网络隐藏层节点数$;$删除稀疏的特征$;$SVM算法中使用高斯核/RBF核代替线性核

A. 神经计算 $;$进化计算 $;$模糊计算 $;$数字计算

A. 完形填空$;$多项选择$;$片段抽取$;$自由回答

A. 密度聚类$;$层次聚类$;$谱聚类$;$Kmeans