A、贝叶斯是概率框架下实施决策的基本方法
B、贝叶斯基于概率和误判损失来选择最优的类别标记
C、 贝叶斯中期望损失定义为风险
D、贝叶斯判定准则为最大化总体风险
答案：D
解析：使用贝叶斯判定准则来最小化决策风险
A、贝叶斯是概率框架下实施决策的基本方法
B、贝叶斯基于概率和误判损失来选择最优的类别标记
C、 贝叶斯中期望损失定义为风险
D、贝叶斯判定准则为最大化总体风险
答案：D
解析：使用贝叶斯判定准则来最小化决策风险
解析：正确
A. 从偏差-方差分解的角度看，Boosting主要关注降低偏差
B. 从偏差-方差分解的角度看，Bagging主要关注降低方差
C. 随机森林简单、容易实现、计算开销小
D. Boosting不能基于泛化性能相当弱的学习器构建出很强的集成
解析：见算法解析
A. 自变型
B. 离散型
C. 应变型
D. 连续型
A. 核对
B. 验证
C. 检验
D. 跟踪
A. 属于结构自适应网络，网络结构也是其优化目标；
B. 主要成分为级联、相关、归约；
C. 无需设置网络层数、隐层神经元数目；
D. 训练速度快，但数据较小时容易陷入过拟合；
解析：见算法解析
A. 信息增益
B. 损失函数
C. 准确率
D. 召回率
解析：剪枝分为前剪枝和后剪枝，前剪枝本质就是早停止，后剪枝通常是通过衡量剪枝后损失函数变化来决定是否剪枝。
解析：正确
