回归任务最常使用的性能度量是（）

A. 卷积神经网络&;&循环神经网络&;&全连接神经网络&;&卷积和循环神经网络

A. 关系型$;$实践型$;$参考型$;$互联型

A. 指数损失函数$;$均方损失函数$;$对数损失函数$;$Hinge 损失函数

A. boosting方法的主要思想是迭代式学习。
$;$ 训练基分类器时采用并行的方式。
$;$ 测试时，根据各层分类器的结果的加权得到最终结果。
$;$ 基分类器层层叠加，每一层在训练时，对前一层基分类器分错的样本给予更高的权值。

A. 强化学习$;$深度学习$;$监督学习$;$无监督学习

A. sklearn$;$xgboost$;$lightgbm$;$numpy

A. 正向推理$;$逆向推理$;$双向推理$;$简单推理

A. 字符串
$;$整型
$;$列表
$;$元组

A. 正确$;$错误