假设一个公司的薪资水平中位数是$35，000，排名第25%和75%的薪资分别是$21，000和$53，000。如果某人的薪水是$1，但是它不一定被看成是异常值（Outlier）。

判断题在模型中增加更多特征一般会增加训练样本的准确率，减小bias。但是测试样本准确率不一定增加，除非增加的特征是有效特征。

判断题两个变量相关，它们的相关系数r可能为0。

判断题求解线性回归系数，我们一般最常用的方法是梯度下降，利用迭代优化的方式。除此之外，还有一种方法是使用正规方程，原理是基于最小二乘法。

多项选择题下列哪些指标可以用来评估线性回归模型？（）

A.R-Squared
B.Adjusted R-Squared
C.F Statistics
D.RMSE/MSE/MAE

判断题Lasso回归更容易得到稀疏的回归系数，有利于舍弃冗余或无用特征，适用于特征选择。Ridge回归又称岭回归，它是普通线性回归加上L2正则项，用来防止训练过程中出现的过拟合。