假定现在有一个四分类问题，若要用One-vs-all策略训练一个SVM的模型，请问需要训练（）个SVM模型。（请输入阿拉伯数字）

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.概率模型

B.SVM

C.线性回归

D.神经网络

A.k-NN

B.K均值聚类法

C.支持向量机(SVM)

D.决策树

A.BP算法的提出很好地解决了“多层”问题

B.2001年互联网泡沫破裂导致许多人工神经网络的研究被迫中断

C.LeCun将BP算法应用于神经网络的训练，并提出了卷积神经网络的第一个正式模型——LeNet-5

D.九十年代中期提出的SVM算法取代神经网络算法成为主流

A.回归是一种无监督学习、分类学习是有监督学习

B.在回归分析中，学习得到一个函数将输入变量映射到连续输出空间

C.两者均是学习输入变量和输出变量之间潜在关系模型

D.在分类模型中，学习得到一个函数将输入变量映射到离散输出空间

A.数据的特征

B.数据的类标

C.训练集

D.测试集