判断题当数据集标签错误的数据点时，随机森林通常比AdaBoost更好。
判断题假设属性的数量固定，则可以在时间上以线性方式学习基于高斯的贝叶斯最优分类器，而该数量是数据集中记录的数量。
判断题通常，当试图从大量观察中学习具有少量状态的HMM时，我们几乎总是可以通过允许更多隐藏状态来增加训练数据的可能性。
判断题选择用于k均值聚类的聚类数k的一种好方法是尝试k的多个值，并选择最小化失真度量的值。
判断题要将工作申请分为两类，并使用密度估计来检测离职申请人，我们可以使用生成分类器。
