a=[[ 1., 2., 1.],[ 1., 2., 1.]]，a+3的值为（ ）。

计算学习理论研究的是关于通过“计算”来进行“学习”的理论

k均值聚类算法是一种典型的EM算法

EM算法用于训练样本完整的情况下进行估计

综合编码长度最短的贝叶斯网就是最小描述长度准则

贝叶斯网学习而言，模型就是一个贝叶斯网，每个贝叶斯网描述了一个在训练数据上的概率分布

超父为假设所以属性都依赖于同一个属性

极大似然估计的准确性严重依赖于所假设的概率分别形式是否符合潜在的真实数据分别

核函数可以将样本从原始空间映射到一个更高维的特征空间，使得样本在这个特征空间内线性可分

集成学习中不同的多样性增强机制不可同时使用

随机森林的收敛性与Bagging相似，随机森林的起始性能往往相对较好，随着个体学习器数目的增加，随机森林通常会收敛到更低的泛化误差。