（）的思想是给定训练样例集将样例投影到一条直线上，使得同样例的投影点尽可能接近、异类样例投影点尽可能远离;在对新样本进行分类时，将其投影到同样的这条直线上，再根据投影点的位置来确定样本的类别.

A. 关系模型

B. 层次模型

C. 网状模型

D. 数据模型

A. 梯度剪切

B. 随机欠采样

C. 使用 Relu 激活函数

D. 正则化

A. 当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。

B. 混合模型比K均值或模糊均值更一般，因为它可以使用各种类型的分布。

C. 混合模型很难发现不同大小和椭球形状的簇。

D. 混合模型在有噪声和离群点时不会存在问题。

A. 单个模型之间有高相关性

B. 单个模型之间有低相关性

C. 在集成学习中使用“平均权重”而不是“投票”会比较好

D. 单个模型都是用的一个算法

A. 传统的基于规则的方法，其中的规律可以人工显性的明确出来

B. 传统基于规则的方法使用显性编程来解决问题

C. 机器学习中模型的映射关系是自动学习的

D. 机器学习所中模型的映射关系必须是隐性的

A. 开发模型的方法

B. 预训练模型的方法

C. 数据清洗

D. 似然变换

A. Volume(数据量大)

B. Veriety(类型多)

C. Value（价值密度低）

D. Velocity(速度快)

A. 神经网络很快收敛

B. 神经网络精度提升

C. 神经网络难于收敛

D. 神经网络精度降低