训练分类机器学习模型时需要避免过拟合和欠拟合的问题，关于这些问题以下说法错误的是（）

A、增加模型复杂度

B、增加样本数量

C、去除噪声

D、正则化

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

D.SVM算法中使用高斯核/RBF核代替线性核

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.会带来机器智能

B.在80%左右的问题上，使计算机和人在复杂问题上具有同等智能

C.是一种全新的思维方式

D.不遵循传统的因果逻辑关系

A、早期的一些流派算法基本没什么用了。

B、不同的流派各有优势，可能处理不同的问题和数据。

C、现实中一个复杂的问题可以要综合几个流派的算法。

D、机器学习的流派使用不同的方法，共同促进机器学习的发展。

A、IBM的统计机器翻译模型除了通过统计方法，还需要借助语言知识和一些转换规则

B、基于规则的机器翻译方法无法用有限的规则覆盖所有复杂的语言现象

C、IBM的Brown等人提出的“基于词对齐的统计机器学习翻译模型”标记着现代统计机器翻译方法的诞生

D、Mikolav等人开源的Word2Vec工具将词表示为一系列实数组成的词向量，从而将语言智能问题转变为神经网络计算问题

A、如果一个属性对于所有样本都没有区分能力，那么对于决策毫无用处

B、单一支持向量机模型本身是针对多分类问题的算法

C、K近邻算法中，K值的选择，不会对分类结果有很大影响

D、属性在决策树中的位置不同，并不会影响决策树的效率

A、模板匹配方法所识别的内容包括大词汇量、非特定人连续语音识别

B、统计机器学习模型存在对语音的鲁棒性低，容易受到杂音影响等问题

C、随着声学特征、改进的解码算法的提出，连续语音流的识别准确率不断提升

D、随着深度学习模型的应用，语音识别逐渐采用“端到端”的解决方案

A、假设越简单越好

B、聚类是一种无监督学习

C、神经网络比决策树学习算法好

D、回归和分类都是有监督学习问题