9、样本表示过程是将样本表示为（）的集合。

A.分类器（分类算法）

B.特征

C.测试集

D.训练集

A.AdaBoost使用的损失函数是指数函数

B.在训练过程中，若某个样本点已经被准确分类，则在构造下一个训练集时，该样本的权重会下降

C.在投票时，分类误差小的弱分类器权重较小

D.以上说法都不对

A.样本选择与预处理-＞区域选择-＞特征获取-＞分类器分类

B.样本选择与预处理-＞特征获取-＞分类器分类-＞区域选择

C.区域选择-＞样本选择与预处理-＞分类器分类-＞特征获取

D.区域选择-＞样本选择与预处理-＞特征获取-＞分类分类

A.样本选择与预处理-＞区域选择-＞特征获取-＞分类器分类

B.样本选择与预处理-＞特征获取-＞分类器分类-＞区域选择

C.区域选择-＞样本选择与预处理-＞分类器分类-＞特征获取

D.区域选择-＞样本选择与预处理-＞特征获取-＞分类分类

A.K近邻算法中K值的选择对分类的结果影响不大

B.模型测试阶段的测试数据集不能与训练数据集有交集

C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大

A.K近邻算法中K值的选择对分类的结果影响不大

B.模型测试阶段的测试数据集不能与训练数据集有交集

C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大