机器学习过程中的特征选择，其主要目的是选取合适的数据特征维度进行模型训练，保证模型的准确率。（）

在现实机器学习任务中，获得数据之后通常先进行特征选择，然后再训练学习器。特征选择是从给定的特征集合中选择出无关特征子集的过程。（)

在建立预测模型的时候，监督式学习需要建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断地调整预测模型，直到模型的预测结果达到一个预期的准确率（）

数据和特征决定了机器学习算法的上线，而模型和算法只是不断逼近这个上限而已。（）

特征选择和诠释中，模型维度类别不包括（)。

在机器学习中，对高维数据进行降维的主要目的是希望找到一个合适的低维空间，在此空间中进行学习能比原始空间性能更好。（)

人工智能AI技术应用客户识别训练客户智能CI AI-机器学习技术优势便于特征学习,机器学习实现CI的基础性任务是（）

信用评分的步骤主要是样本选择、选取自变量、建立初级模型、检验和调整模型。（)

选择模型时只需要考虑模型的泛化误差，因此就算是训练误差非常大的模型也可能是效果最好的分类模型。（）

构建岗位胜任特征模型的基本程序包括：①定义绩效标准；②获取效标样本有关胜任特征的数据资料；③选取效标分析样本；④建立岗位胜任特征模型；⑤验证岗位胜任特征模型。排序正确的是（）

基于维度模型的数据整合及管理标准体系架构主要有四个层次。（)