以下属于缺失值处理的方法是（）

EM算法通过迭代求L(theta)=logP(Y|theta)的（），每次迭代交替进行求期望和求极大化。

在分类学习中，提升方法通过反复修改训练数据的（），构建一系列基本分类器并将它们线性组合，形成一个强分类器。

下面是一段将图像转换为向量的函数img2vector。该函数创建1×1024的NumPy数组，然后打开给定的文件，循环读出文件的前32行，并将每行的头32个字符值存储在NumPy数组中，最后返回数组。请问填充在空白处的代码应该是哪个。
def img2vector(filename):
returnVect = zeros((1,1024))
fr = open(filename)
for i in range(32):
______________________________
for j in range(32):
returnVect[0, 32*i+j] = int(lineStr[j])
return returnVect

机器学习算法的一般流程是（）。

强化学习的回报值一个重要特点是具有()。

马尔可夫性质强调在每一个动作状态序列中,下一个状态与()有关。

在强化学习过程中,()表示随机地采取某个动作,以便于尝试各种结果;()表示采取当前认为最优的动作,以便于进一步优化评估当前认为最优的动作的值。

在ε-greedy策略当中,ε的值越大,表示采用随机的一个动作的概率越(),采用当前Q函数值最大的动作的概率越()。

在强化学习的过程中,学习率α越大,表示采用新的尝试得到的结果比例越(),保持旧的结果的比例越()。

()有跟环境进行交互,从反馈当中进行不断的学习的过程。