根据（），目前的集成学习方法大致可分为两大类，即个体学习器间存在强依赖关系、必须串行生成的序列化方法，以及个体学习器间不存在强依赖关系、可同时生成的并行化方法。

A. 标准SVM$;$多项式回归$;$线性回归$;$神经元模型

A. 平滑处理$;$标准化$;$特征构造$;$去除虚假数据

A. 适应性$;$由简单单元组成$;$广泛并行互连的网络$;$线性特性

A. model.eval()可以在模型训练阶段使用$;$model.eval()只能在模型测试阶段使用$;$model.eval()在模型验证、模型测试阶段都可以使用$;$model.eval()在模型训练、模型验证、模型测试阶段都可以使用

A. 不同的神经网络结构，层数与神经元数量正相关，层数越多，神经元数量越多$;$ 网络结构的层次越深，其学习特征越多，10层的结构要优于5层结构$;$深层网络结构中，学习到的特征一般与神经元的参数量有关，也与样本的特征多少有关$;$网络的层次越深，其训练时间越久，5层的网络比4层的训练时间长

A. 操作去噪效果最好。$;$中值滤波$;$高斯滤波$;$均值滤波