下列哪些是判别式模型？

A.k近邻法

B.决策树

C.支持向量机

D.高斯混合模型

A.支持向量机

B.高斯混合模型概率密度估计

C.ACTOR-CRITIC 算法

D.人工神经网络

A.k近邻法

B.朴素贝叶斯法

C.高斯混合模型

D.马尔科夫模型等

A.Naïve Bayes（朴素贝叶斯）是一种概率分类器

B.SVM（支持向量机）在向量空间构造超平面，以区分不同类别的样本

C.决策树基于树结构进行决策，从树根到一个叶子的路径对应一个分类规则

D.SVM（支持向量机）和K-NN（K-近邻）都有模型的训练过程（构造分类模型）

A.支持向量机分类法

B.K近邻分类法

C.决策树分类法

D.选项都包括

A.k-NN

B.K均值聚类法

C.支持向量机(SVM)

D.决策树

A.贝叶斯方法

B.决策树

C.回归模型

D.k近邻方法（kNN）

A.Kmeans法

B.K近邻法

C.决策树法

D.中心向量法

A.聚类

B.决策树

C.人工神经网络

D.强化学习

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