决策树剪枝的基本策略有（）。

A. 可读,可写入,可执行

B. 可读

C. 可读,可执行

D. 可写入

A. 增加树的深度

B. 增大学习率(Learnin Rate)

C. 对决策树模型进行预剪枝

D. 减少树的数量

A. 缺失值

B. 噪声

C. 错误

D. 虚假数据

A. 正确$;$错误

A. 专家

B. 软件

C. 知识

D. 解决问题

A. 如果一个分类器对不正确的分类很自信，log-loss会严重的批评它。

B. 对一个特别的观察而言，分类器为正确的类别分配非常小的概率，然后对log-loss的相应分布会非常大。

C. log-loss越低，模型越好

D. 以上都是

A. 距离μ越远的值概率越大

B. 距离μ越进的值概率越大

C. σ越小分布越集中在μ附近

D. σ越大分布越集中

A. np.sqrt()

B. np.size()

C. np.identity()

D. np.len()

A. 《人工智能原则》

B. 《人工智能伦理规范》

C. 《人工智能伦理指南》

D. 《人工智能伦理问题建议书》