人工神经元内部运算包含哪两个部分：

在数据挖掘中，比较成熟的预测算法包括Logistic回归模型、（）、决策树、神经网络等

决策树模型刚建立时,有很多分支都是根据训练样本集合中的异常数据（由于噪声等原因）构造出来的。树枝修剪正是针对这类数据（）问题而提出来的。

比较成熟的分类预测模型算法包括Logistic回归模型、广义线性模型、（）、神经网络

关于模型参数（权重值）的描述，错误的说法是

关于集成学习，以下说法错误的是

一个向量乘以一个正交矩阵后，矩阵对向量值产生伸缩作用，而没有旋转和空间映射作用

对一个矩阵进行奇异值分解，其奇异值矩阵一定是一个方阵且奇异值一直按从大到小的顺序排列。

交叉熵就是用来判定实际的输出与期望的输出的接近程度，交叉熵越大说明两者之间越接近。

两个变量的 Pearson 相关性系数为零，但这两个变量的值同样可以相关。

对向量组α1,α2,α3,α4，如果其中任意两个向量都线性无关，则α1,α2,α3,α4线性无关。