a=np.arange(2)，b=np.arange(3,5)，print(np.lexsort([a,b]))的输出结果是()。

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。

要获得好的集成，个体学习器应“好而不同”，即个体学习器要有一定的“准确率”，即学习器不能太坏，并且要有“多样性”，即学习器间具有差异。

线性模型形式简单、易于建模，有很好的可解释性、可理解性。__

方差度量了学习算法的期望预测与真实结果的偏离程度,即刻画了学习算法本身的拟合能力。__

单次使用留出法得到的结果往往稳定可靠。__