在机器学习中，如果单纯去提高训练数据的预测能力，所选模型的复杂度往往会很高，这种现象称为过拟合对于产生这种现象以下说法正确的是（）

A. training set

B. test set

C. validation set

D. verification set

A. K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象

B. K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念

C. K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇

D. K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇

A. 加快卷积运算

B. 增大卷积核

C. 扩大感受野

D. 通道降维

A. 收敛速率更快

B. 调优更简单

C. 解决小样本学习问题

D. 对终身学习的适配性更好。

A. 具有智能

B. 和人一样工作

C. 完全代替人的大脑

D. 模拟、延伸和扩展人的智能

A. 语义网络法

B. 过程表示法

C. 剧本表示法

D. 框架表示法

A. 与Adaboost相比，随机森林采用一个固定的概率分布来产生随机向量

B. 随着个体学习器数目的增加，随机森林通常会收敛到更低的泛化误差

C. 与Adaboost相比，随机森林鲁棒性更好

D. 随机森林的训练效率往往低于Bagging

A. 5

B. 25

C. 6

D. 26