答案：A
解析：正确
A. 对小样本加噪声采样
B. 对大样本进行下采样
C. 进行特殊的加权
D. 采用对不平衡数据集不敏感的算法
解析：见算法解析
A. L1 和 L2 正则的引入都能预防过拟合
B. L1 正则的引入会使得权重产生更多的 0 元素
C. L1 正则兼具特征选择的功能
D. L1 正则项是非凸的，L2 正则项是凸的
解析：数学基础
A. 某点处的梯度方向就是该点处函数值增长最快的方向
B. 标量场的梯度也是标量场
C. 某点处的梯度方向就是过该点的等值面的法向矢量
D. 某点处的梯度大小是指标量函数u在该点处的最大变化率
解析：标量场的梯度是矢量场
A. 缺省规则
B. 序贯覆盖
C. 不放回学习
D. 一阶规则
解析：见算法解析
A. 基于实例学习
B. 概念学习
C. 决策树学习
D. 人工神经网络学习
A. 集成学习通过构建并结合多个学习器来完成学习任务，也称为多分类器系统、基于委员会的学习等
B. 集成中只包含同种类型的个体学习器，如“决策树集成”，“神经网络集成”等，这样的集成是“同质”的
C. 集成中同时包含多种类型的个体学习器，这样的集成是“异质”的，异质集成的个体学习器一般称为基学习器
D. 随着集成中个体分类器（相互独立）数目T的增大，集成的错误率将指数级下降，最终趋向于零
解析：见算法解析
A. 数学家
B. 统计学家
C. 物理学家
D. 语言学家
