对于随机森林和GradientBoostingTrees,下面说法正确的是:（)

A增加神经网络层数,可能会增加测试数据集的分类错误率

B减少神经网络层数,总是能减小测试数据集的分类错误率

C增加神经网络层数,总是能减小训练数据集的分类错误率

A.增大惩罚参数C的值

B.减小惩罚参数C的值

C.减小核系数(gamma参数)

A.有放回地从总共M个特征中抽样m个特征

B.无放回地从总共M个特征中抽样m个特征

C.有放回地从总共N个样本中抽样n个样本

D.无放回地从总共N个样本中抽样n个样本

A.特征数据归一化加速梯度下降优化的速度

B.特征数据归一化有可能提高模型的精度

C.线性归一化适用于特征数值分化比较大的情况

D.概率模型不需要做归一化处理

A.ReLU

B.tanh

C.sigmoid

D.其他都不是

A.增加训练集量

B.减少神经网络隐藏层节点数

C.删除稀疏的特征S

D.SVM算法中使用高斯核/RBF核代替线性核

A.Logistic回归可用于预测事件发生概率的大小

B.Logistic回归的目标函数是最小化后验概率

C.SVM的目标的结构风险最小化

D.SVM可以有效避免模型过拟合

A.x=1

B.x=2

C.x=10

D.x=11

A.request,session

B.applicationsession

C.request,application

D.pageContextrequest

A.out

B.response

C.request

D.config