深度神经网络的运行过程是由三个算法依次运行组成，下面不属于这三个算法中的是

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。

统计学习是关于计算机基于数据构建概率统计模型并运用数据对模型进行预测与分析的一门学科。