判断题由于决策树学会了对离散值输出而不是实值函数进行分类，因此它们不可能过度拟合。
判断题当MAP中使用的先验是参数空间上的统一先验时，MAP估计等于ML估计。
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。
