传统GBDT在优化时只用到一阶导数信息，xgboost则对代价函数进行二阶泰勒展开，同时用到了（）

A. STING $;$Waveluster $;$MAFI $;$IRH

A. 更重要$;$不重要$;$有影响$;$无法判断

A. 密度聚类$;$层次聚类$;$谱聚类$;$Kmeans

A. None$;$null$;$undefined$;$0

A. 归纳和演绎$;$归纳和泛化$;$归纳和特化$;$演绎和泛化

A. 计算力$;$算法$;$数据$;$分析能力 

A. 标量$;$向量$;$结构体$;$有向图

A. K均值一般会聚类所有对象，但DBSCAN会丢弃被它识别为噪声的对象
$;$当簇具有很不相同的密度时，K均值和DBSCAN的性能都很差
$;$K均值可以用于高维的稀疏数据，DBSCAN则通常在此类数据上性能很差$;$K均值可以发现不是明显分离的簇，但DBSCAN会合并有重叠的簇

A. 翅膀$;$脚$;$躯体$;$头脑