A、是的，这说明这个模型的范化能力已经足以支持新的数据集合了
B、不对，依然后其他因素模型没有考虑到，比如噪音数据
答案：B
A、是的，这说明这个模型的范化能力已经足以支持新的数据集合了
B、不对，依然后其他因素模型没有考虑到，比如噪音数据
答案：B
解析：允许
A. 防止过拟合
B. 减小误差
C. 增加网络复杂度
解析：dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。
A. -1
B. (1,)
C. ([],[1])
D. ([{‘a’:1}],[‘b’,1])
解析：以下不是tuple类型的是（1）。
A. 784;10
B. 28;10
C. 784;1
D. 28;1
A. 正定性
B. 齐次性
C. 三角不等式
D. 相容性
A. abcde
B. edcba
C. cbaed
D. dcaeb
A. numpy数组切片得到的是数组的副本，python对列表的切片得到的是指向相同缓冲区的视图
B. python对列表的切片得到的是列表的副本，numpy数组切片得到的是指向相同缓冲区的视图
C. python对列表的切片和numpy数组切片得到的都是指向相同缓冲区的视图
D. python对列表的切片和numpy数组切片得到的都是原对象的副本
解析：见函数库
解析：错误
A. k值并不是越大越好，k值过大，会降低运算速度
B. 选择更大的k值，会让偏差更小，因为k值越大，训练集越接近整个训练样本
C. 选择合适的k值，能减小验方差
D. 以上说法都正确
A. 该类不可以实例化
B. 该类可以实例化
C. 在pycharm工具中会出现语法错误，说self没有定义
D. 该类可以实例化，并且能正常通过对象调用showInfo()
