()的目的是进行粗粒度计算。

A. K 值越大，模型越容易过拟合

B. K 值越大，分类的分割面越平滑

C. K 值是超参数

D. 可以将 k 值设为 0

A. join

B. concat

C. split

D. unstack

A. 置信度差

B. 信息差

C. 置信度值

D. 标准差

A. 最大值

B. 平均值

C. 中位数

D. 众数

A. 容易计算

B. 单向性

C. 需要加密处理

D. 抗碰撞性

A. 集成学习一定能提升个体学习器的性能&;&Bagging 方法中，个体学习器之间彼此独立&;&Boosting 是一种重视错误样本的学习方法&;&Boosting 方法中，个体学习器存在强依赖

A. 标准差

B. 极差

C. 方差

D. 极小值

A. 回归和相关在x和y之间都是互为对称的

B. 回归和相关在x和y之间都是非对称的

C. 回归在x和y之间是非对称的，相关在x和y之间是互为对称的

D. 回归在x和y之间是对称的，相关在x和y之间是非对称的