精选优质文档-倾情为你奉上一、判断题（1）极大似然估计是无偏估计且在所有的无偏估计中方差最小，所以极大似然估计的风险最小。（2）回归函数A和B，如果A比B更简单，则A几乎一定会比B在测试集上表现更好。（3）全局线性回归需要利用全部样本点来预测新输入的对应输出值，而局部线性回归只需利用查询点附近的样本来预测输出值。所以全局线性回归比局部线性回归计算代价更高。（4）Boosting的一个优点是不会过拟合。（5）在回归分析中，最佳子集选择可以做特征选择，当特征数目较多时计算量大；岭回归和Lasso模型计算量小，且Lasso也可以实现特征选择。（6）梯度下降有时会陷于局部极小值，但EM算法不会。（7）支持向量机是判别模型。T（8）ICA方法对于高斯分布的数据也有效。F（9）回归问题属于非监督学习的一种方法。F（10）聚类算法中不需要给出标签y。T二、考虑一个二分类器问题（Y为1或0），每个训练样本X有两个特征X1、X2（0或1）。给出P（Y=0）=P（Y=1）=0.5，条件概率如下表：分类器预测的结果错误的概率为期望错误率，Y是样
