我们想要减少数据集中的特征数，即降维。选择以下适合的方案①使用前向特征选择方法②使用后向特征排除方法③我们先把所有特征都使用，去训练一个模型，得到测试集上的表现然后我们去掉一个特征，再去训练，用交叉验证看看测试集上的表现，如果表现比原来还要好，我们可以去除这个特征④查看相关性表，去除相关性最高的一些特征

A. SVM分类$;$使用SelectiveSearch输出候选框$;$使用MLP进行分类与回归预测$;$使用ROIpooling

A. 由于其特殊原因，无法分布式化$;$xgboost在代价函数里加入了正则项，用于控制模型的复杂度；$;$可以处理带有缺失值的样本$;$允许使用列抽样来减少过拟合

A. TempStr[-5:]$;$TempStr[-5:-1]$;$TempStr[6:]$;$TempStr[-4:-1]

A. 反向传播算法$;$深度学习$;$博弈论$;$长短期记忆模型

A. 输出层$;$输入层$;$感知层$;$网络层

A. 命题规则$;$剪枝优化$;$一阶规则$;$序贯覆盖

A. 生成模型$;$对抗模型$;$判别模型$;$回归模型

A. 编辑模式$;$插入模式$;$命令模式$;$检查模式