测试集（testing set)用于最终报告模型的评价结果，因此在训练阶段测试集中的数据可以出现在训练集中

A、某些情况下，可以对训练集做进一步划分，即分为训练集和验证集

B、验证集与测试集类似，也是用于评估模型的性能。且可以用于报告模型的最终评价结果

C、验证集与测试集之间的区别是，验证集主要用于模型选择和调整超参数，因而一般不用于报告最终结果

D、验证集的数据规模通常小于训练集的数据规模

A、K近邻算法中K值的选择对分类的结果影响不大

B、模型测试阶段的测试数据集不能与训练数据集有交集

C、决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D、支持向量机模型中距离平面最近的几个样本对平面的选择影响最大

A、等号右边第一项的目标是使模型能更好地拟合训练数据

B、等号右边第二项是正则化项，目的是控制过拟合现象

C、λ 是正则化参数（regularization parameter），用于控制等号右边两项的平衡

D、过拟合是指学习到的模型在训练集上也许误差较小，但是对于测试集中之前未见样本的预测却未必有效。或者通俗地说，模型过度学习了训练数据。

A、非集计模型的分析对象为小区，集计模型的分析对象为 个人或者家庭

B、非集计模型选取的因变量为离散变量，集计模型一般选取的因变量为连续型变量

C、非集计模型可以用来预测交通小区出行生成

D、集计模型中常用的是Logit 和Probit

A、学习率过大

B、隐含层数目不够

C、训练样本过少

D、激发函数选择不合理

  ①自顶向下  ②自底向上

  ③分层绘制  ④逐步求精

  A．全是  B．①③④  C．②③④  D．①④