1. 在决策分析中，决策树方法通常用于：
在决策分析中，决策树方法通常用于：
A. 可视化决策过程
B. 评估决策方案的风险和收益
C. 量化决策问题的不确定性
D. 以上都是
答案：D
2. 在神经网络中，激活函数的选择通常会影响：
在神经网络中，激活函数的选择通常会影响：
A. 模型的非线性表达能力
B. 模型的训练速度
C. 模型的复杂度
D. 以上都是
答案：D
3. 支持向量机（SVM）中的正则化项主要用于：
支持向量机（SVM）中的正则化项主要用于：
A. 提高模型的泛化能力
B. 加速模型的训练过程
C. 减少模型的计算复杂度
D. 增强模型对噪声的鲁棒性
答案：A
4. 时间序列分析中的移动平均模型（MA）主要用于捕捉：
时间序列分析中的移动平均模型（MA）主要用于捕捉：
A. 数据的时间趋势
B. 数据的随机波动
C. 数据之间的线性关系
D. 数据自身的滞后关系
答案：B
5. 在聚类分析中，轮廓系数（Silhouette Coefficient）用于衡量：
在聚类分析中，轮廓系数（Silhouette Coefficient）用于衡量：
A. 簇内的紧密度
B. 簇间的分离度
C. 簇内紧密度和簇间分离度的相对关系
D. 簇的形状
答案：C
6. 决策树学习中的C4.5算法是基于什么来选择分裂特征的？
决策树学习中的C4.5算法是基于什么来选择分裂特征的？
A. 信息增益
B. 信息增益率
C. 基尼指数
D. 熵
答案：B
7. 线性规划问题中，若目标函数和约束条件都是线性的，则该问题属于：
线性规划问题中，若目标函数和约束条件都是线性的，则该问题属于：
A. 凸优化问题
B. 非凸优化问题
C. 全局优化问题
D. 局部优化问题
答案：A
8. 支持向量机（SVM）中的核函数选择对于模型的：
支持向量机（SVM）中的核函数选择对于模型的：
A. 训练速度有重要影响
B. 泛化能力有重要影响
C. 复杂度有重要影响
D. 以上都是
答案：D
9. 时间序列分析中的自回归模型（AR）主要用于捕捉：
时间序列分析中的自回归模型（AR）主要用于捕捉：
A. 数据的时间趋势
B. 数据的季节性变化
C. 数据之间的线性关系
D. 数据自身的滞后关系
答案：D
10. 在决策分析中，敏感性分析通常用于评估：
在决策分析中，敏感性分析通常用于评估：
A. 决策方案的风险
B. 决策问题的复杂性
C. 决策者的偏好
D. 决策方案的实施难度
答案：A
11. 整数规划中的分支定界法通过：
整数规划中的分支定界法通过：
A. 不断分支和剪枝来求解
B. 枚举所有可行解来求解
C. 构造松弛问题来求解
D. 使用启发式算法来求解
答案：A
12. 假设检验中的P值是指：
假设检验中的P值是指：
A. 原假设为真的概率
B. 原假设为假的概率
C. 在原假设为真时观察到当前数据或更极端数据的概率
D. 在原假设为假时观察到当前数据的概率
答案：C
13. 在聚类分析中，K-means++算法是K-means算法的改进，主要用于：
在聚类分析中，K-means++算法是K-means算法的改进，主要用于：
A. 提高聚类速度
B. 改善初始聚类中心的选择
C. 处理大规模数据集
D. 处理非线性可分数据
答案：B
14. 主成分分析（PCA）在降维时保留的是：
主成分分析（PCA）在降维时保留的是：
A. 数据的主要变化趋势
B. 数据的所有细节信息
C. 数据的随机噪声
D. 数据的非线性结构
答案：A
15. 在神经网络训练中，批量大小（batch size）的选择通常会影响：
在神经网络训练中，批量大小（batch size）的选择通常会影响：
A. 模型的收敛速度
B. 模型的最终性能
C. 模型的复杂度
D. 以上都是
答案：D
16. 线性规划问题中，若所有约束条件都是“≤”类型，则可行域是：
线性规划问题中，若所有约束条件都是“≤”类型，则可行域是：
A. 一个闭集
B. 一个开集
C. 既可能是闭集也可能是开集
D. 无法确定
答案：A
17. 在时间序列分析中，白噪声过程是指：
在时间序列分析中，白噪声过程是指：
A. 均值和方差都随时间变化的过程
B. 均值恒定、方差为零的过程
C. 均值恒定、方差随时间变化的过程
D. 均值和方差都恒定的随机过程
答案：D
18. 决策树中的“剪枝”操作主要是为了：
决策树中的“剪枝”操作主要是为了：
A. 增加树的深度
B. 减少树的复杂度
C. 提高树的准确率
D. 增加树的节点数
答案：B
19. 在回归分析中，残差是指：
在回归分析中，残差是指：
A. 观测值与预测值之差
B. 观测值与均值之差
C. 预测值与均值之差
D. 观测值与最大值之差
答案：A
20. 主成分分析（PCA）在降维时通常会丢弃：
主成分分析（PCA）在降维时通常会丢弃：
A. 方差最大的主成分
B. 方差最小的主成分
C. 所有主成分的平均值
D. 任意选择的主成分
答案：B
21. 在神经网络训练中，学习率过小可能导致：
在神经网络训练中，学习率过小可能导致：
A. 模型收敛速度过快
B. 模型无法收敛
C. 模型过拟合
D. 模型收敛速度过慢
答案：D
22. 整数规划中的割平面法是通过：
整数规划中的割平面法是通过：
A. 添加割平面来排除非整数解
B. 缩小可行域来求解整数解
C. 构造松弛问题来求解整数解的第一步
D. 使用启发式算法来直接求解整数解
答案：A
23. 支持向量机（SVM）中的软间隔分类允许：
支持向量机（SVM）中的软间隔分类允许：
A. 所有样本都被正确分类
B. 部分样本被错误分类，但错误分类的样本数有限制
C. 样本点在分隔超平面上
D. 样本点在分隔超平面的任意一侧
答案：B
24. 神经网络训练中，学习率过小可能导致：
神经网络训练中，学习率过小可能导致：
A. 模型收敛速度过快
B. 模型无法收敛
C. 模型收敛速度过慢
D. 模型过拟合
答案：C
25. 线性规划中的对偶定理指出：
线性规划中的对偶定理指出：
A. 原问题与对偶问题的最优解一定相同
B. 原问题与对偶问题的最优解一定不同
C. 在一定条件下，原问题与对偶问题的最优解相等或互为相反数
D. 原问题与对偶问题没有直接关系
答案：C
26. 聚类分析中，K-medoids算法与K-means算法的主要区别是：
聚类分析中，K-medoids算法与K-means算法的主要区别是：
A. K-medoids使用中位数代替均值来更新聚类中心
B. K-medoids只能处理球形簇
C. K-medoids对异常值更敏感
D. K-medoids只能用于二维数据
答案：A
27. 层次分析法（AHP）在决策分析中的主要步骤不包括：
层次分析法（AHP）在决策分析中的主要步骤不包括：
A. 建立层次结构模型
B. 构造判断矩阵
C. 进行一致性检验
D. 使用蒙特卡洛模拟进行风险评估（注：蒙特卡洛模拟不是AHP的一部分）
答案：D
28. 假设检验中的P值表示：
假设检验中的P值表示：
A. 原假设为真的概率
B. 原假设为假的概率
C. 在原假设为真时，观测到当前数据或更极端数据的概率
D. 在原假设为假时，观测到当前数据的概率
答案：C
29. 整数规划问题中，若决策变量只能取整数，则该问题属于：
整数规划问题中，若决策变量只能取整数，则该问题属于：
A. 纯整数规划问题
B. 混合整数规划问题（注：若只有部分变量为整数，则为混合整数规划，但此题指出所有变量均为整数）
C. 线性规划问题
D. 非线性规划问题
答案：A
30. 神经网络中的Batch Normalization技术主要用于：
神经网络中的Batch Normalization技术主要用于：
A. 防止过拟合
B. 加速模型训练
C. 提高模型准确率
D. 减少模型参数的数量
答案：B
31. 支持向量机（SVM）中的正则化参数C越大，则模型的：
支持向量机（SVM）中的正则化参数C越大，则模型的：
A. 泛化能力越强
B. 泛化能力越弱
C. 对训练数据的拟合程度越高
D. 对测试数据的预测能力越强（注：实际上C越大，越容易过拟合，但此描述更贴近选项C）
答案：C
32. 时间序列分析中的ARCH模型主要用于捕捉：
时间序列分析中的ARCH模型主要用于捕捉：
A. 数据的时间趋势
B. 数据的波动性聚集
C. 数据之间的线性关系
D. 数据自身的滞后关系
答案：B
33. 聚类分析中，轮廓系数（Silhouette Coefficient）的值越接近1，表示：
聚类分析中，轮廓系数（Silhouette Coefficient）的值越接近1，表示：
A. 聚类效果越差
B. 聚类效果越好
C. 聚类数目过多
D. 聚类数目过少
答案：B
34. 决策树学习中的ID3算法是基于：
决策树学习中的ID3算法是基于：
A. 信息增益来选择分裂特征
B. 信息增益率来选择分裂特征
C. 基尼指数来选择分裂特征
D. 熵的减少量来选择分裂特征（注：实际上ID3就是基于信息增益，但此描述更贴近选项A）
答案：A
35. 线性规划问题中，若存在多个最优解，则：
线性规划问题中，若存在多个最优解，则：
A. 目标函数值唯一
B. 可行域为空集
C. 最优解一定在可行域的顶点上
D. 最优解可能位于可行域的边界或顶点上
答案：D
36. 神经网络中的梯度爆炸问题通常可以通过：
神经网络中的梯度爆炸问题通常可以通过：
A. 增加网络层数来缓解
B. 使用合适的激活函数来缓解
C. 采用梯度裁剪来缓解
D. 增加训练数据来缓解
答案：C
37. 支持向量机（SVM）中的核技巧主要用于：
支持向量机（SVM）中的核技巧主要用于：
A. 将非线性问题转化为线性问题
B. 将高维问题转化为低维问题
C. 将线性问题转化为非线性问题
D. 将低维问题转化为高维问题
答案：A
38. 时间序列分析中的SARIMA模型可以处理：
时间序列分析中的SARIMA模型可以处理：
A. 具有季节性的时间序列数据
B. 仅包含趋势的时间序列数据
C. 仅包含周期性的时间序列数据
D. 平稳的时间序列数据
答案：A
39. 蒙特卡洛模拟在风险管理中的主要作用是：
蒙特卡洛模拟在风险管理中的主要作用是：
A. 评估风险事件的概率
B. 评估风险事件的影响
C. 评估风险事件的期望损失
D. 评估风险事件的波动性
答案：C
40. 整数规划中的分支定界法是通过：
整数规划中的分支定界法是通过：
A. 分支和剪枝来缩小搜索空间
B. 分支和界定来求解最优解
C. 枚举所有可行解来找到最优解
D. 使用启发式算法来近似求解
答案：B
41. 假设检验中的第一类错误是指：
假设检验中的第一类错误是指：
A. 原假设为真时拒绝原假设
B. 原假设为假时接受原假设
C. 原假设为真时接受原假设
D. 原假设为假时拒绝原假设
答案：A
42. K-means聚类算法中，聚类中心的更新是通过：
K-means聚类算法中，聚类中心的更新是通过：
A. 计算簇内样本的均值
B. 计算簇内样本的中位数
C. 计算簇内样本的众数
D. 随机选择簇内的一个样本
答案：A
43. 主成分分析（PCA）在降维时，保留的主成分个数通常基于：
主成分分析（PCA）在降维时，保留的主成分个数通常基于：
A. 主成分的方差
B. 主成分的累计方差贡献率
C. 主成分的特征值之和
D. 主成分与原始变量的相关性
答案：B
44. 马尔科夫链的平稳分布是指：
马尔科夫链的平稳分布是指：
A. 初始状态分布
B. 状态转移概率矩阵的某一行
C. 在长期运行下，状态的概率分布不再随时间变化
D. 状态转移概率矩阵的某一列
答案：C
45. 整数规划问题中，若所有决策变量均为非负整数，则该问题属于：
整数规划问题中，若所有决策变量均为非负整数，则该问题属于：
A. 非负整数规划问题
B. 正整数规划问题
C. 0-1规划问题
D. 混合整数规划问题
答案：A
46. 线性回归模型中，若残差项存在异方差性，则可能导致：
线性回归模型中，若残差项存在异方差性，则可能导致：
A. 参数估计量无偏
B. 参数估计量有效
C. 参数估计量的标准误增大
D. 参数估计量一致
答案：C
47. 支持向量机（SVM）中的硬间隔分类要求：
支持向量机（SVM）中的硬间隔分类要求：
A. 所有样本都被正确分类且位于分隔超平面的同一侧
B. 所有样本都被正确分类但允许位于分隔超平面上
C. 部分样本可以被错误分类
D. 样本点可以位于分隔超平面的任意一侧
答案：A
48. 主成分分析（PCA）中，第一主成分与原始变量的关系可以通过：
主成分分析（PCA）中，第一主成分与原始变量的关系可以通过：
A. 主成分载荷来表示
B. 主成分得分来表示
C. 特征值来表示
D. 累计贡献率来表示
答案：A
49. 神经网络训练中，批量大小（batch size）的选择会影响：
神经网络训练中，批量大小（batch size）的选择会影响：
A. 模型的收敛速度
B. 模型的最终性能
C. 模型的训练时间
D. 以上都是
答案：D
50. 线性规划中的松弛变量用于：
线性规划中的松弛变量用于：
A. 将不等式约束转化为等式约束
B. 将等式约束转化为不等式约束
C. 消除约束条件中的冗余
D. 增加目标函数的值
答案：A
51. 聚类分析中，谱聚类算法是基于：
聚类分析中，谱聚类算法是基于：
A. 数据点的距离
B. 数据点的相似性矩阵
C. 数据点的密度
D. 数据点的分布形状
答案：B
52. 时间序列分析中的白噪声是指：
时间序列分析中的白噪声是指：
A. 均值为0且方差为常数的随机序列
B. 有趋势的随机序列
C. 有周期性的随机序列
D. 有季节性的随机序列
答案：A
53. 层次分析法（AHP）中，判断矩阵的一致性是指：
层次分析法（AHP）中，判断矩阵的一致性是指：
A. 矩阵的各行元素之和相等
B. 矩阵的各列元素之和相等
C. 矩阵的特征值都大于0
D. 矩阵的秩为1（注：实际中更常用的是一致性比率CR来衡量一致性）
答案：D
54. 假设检验中的置信水平表示：
假设检验中的置信水平表示：
A. 原假设为真的概率
B. 拒绝原假设时犯错误的概率
C. 接受原假设时犯错误的概率
D. 原假设为假时拒绝原假设的概率（注：这是功效的描述，此处为干扰项）
答案：B
55. 整数规划问题中，若目标函数为最大化，且所有约束条件均为“≤”型，则：
整数规划问题中，若目标函数为最大化，且所有约束条件均为“≤”型，则：
A. 该问题一定存在最优解
B. 该问题一定不存在最优解
C. 该问题可能存在最优解，也可能不存在
D. 该问题的最优解一定在可行域的边界上（注：此描述不完全准确，但相对于其他选项更接近）
答案：C
56. 神经网络中的权重初始化对：
神经网络中的权重初始化对：
A. 模型训练速度没有影响
B. 模型最终性能没有影响
C. 模型训练速度和最终性能都有影响
D. 只有模型训练速度有影响
答案：C
57. 支持向量机（SVM）中的正则化参数越大，则：
支持向量机（SVM）中的正则化参数越大，则：
A. 模型的泛化能力越强
B. 模型的泛化能力越弱（注：此处指可能因过拟合而减弱泛化能力）
C. 模型对训练数据的拟合程度越低
D. 模型对测试数据的预测能力越强
答案：B
58. 时间序列分析中的GARCH模型主要用于捕捉：
时间序列分析中的GARCH模型主要用于捕捉：
A. 数据的线性关系
B. 数据的非线性关系
C. 数据的波动性聚集
D. 数据的趋势性
答案：C
59. 决策树学习中的C4.5算法是基于：
决策树学习中的C4.5算法是基于：
A. 信息增益来选择分裂特征
B. 信息增益率来选择分裂特征
C. 基尼指数来选择分裂特征
D. 熵的减少量来选择分裂特征
答案：B
60. 线性规划问题中，若可行域为空集，则：
线性规划问题中，若可行域为空集，则：
A. 无解
B. 有无穷多解
C. 有唯一解
D. 解为负数
答案：A
61. 支持向量机（SVM）中的核函数用于：
支持向量机（SVM）中的核函数用于：
A. 将数据映射到高维空间
B. 将数据映射到低维空间
C. 计算数据的距离
D. 计算数据的相似度
答案：A
62. 时间序列分析中的季节性差分是为了：
时间序列分析中的季节性差分是为了：
A. 消除趋势
B. 消除周期性
C. 消除季节性
D. 消除随机波动
答案：C
63. 蒙特卡洛模拟在风险分析中的主要作用是：
蒙特卡洛模拟在风险分析中的主要作用是：
A. 评估风险的概率分布
B. 识别风险因素
C. 量化风险的影响
D. 制定风险应对策略
答案：C
64. 整数规划中的分支定界法是一种：
整数规划中的分支定界法是一种：
A. 启发式算法
B. 精确算法
C. 近似算法
D. 随机算法
答案：B
65. 假设检验中的第二类错误是指：
假设检验中的第二类错误是指：
A. 原假设为真时拒绝原假设
B. 原假设为假时接受原假设
C. 原假设为真时接受原假设
D. 原假设为假时拒绝原假设（注：这是第一类错误的描述，此处为干扰项）
答案：B
66. K-近邻算法中，K值的选择会影响：
K-近邻算法中，K值的选择会影响：
A. 模型的复杂度
B. 模型的训练时间
C. 模型的泛化能力
D. 以上都是
答案：D
67. 主成分分析（PCA）中，主成分的数量通常通过：
主成分分析（PCA）中，主成分的数量通常通过：
A. 特征值的大小来确定
B. 累计贡献率来确定
C. 数据的维度来确定
D. 样本数量来确定
答案：B
68. 马尔科夫决策过程中，策略是指：
马尔科夫决策过程中，策略是指：
A. 状态转移概率
B. 在每个状态下选择的动作
C. 状态的初始分布
D. 奖励函数的定义
答案：B
69. 神经网络中的激活函数主要用于：
神经网络中的激活函数主要用于：
A. 增加网络层数
B. 引入非线性
C. 减少计算量
D. 提高模型稳定性
答案：B
70. 整数规划问题中，若决策变量取值没有限制，则为：
整数规划问题中，若决策变量取值没有限制，则为：
A. 纯整数规划
B. 混合整数规划
C. 一般整数规划
D. 无约束整数规划
答案：D
71. 线性回归中的R方值表示：
线性回归中的R方值表示：
A. 模型解释的总方差的百分比
B. 模型的残差平方和
C. 模型的斜率
D. 模型的截距
答案：A
72. 时间序列预测中的AR模型是：
时间序列预测中的AR模型是：
A. 自回归模型
B. 移动平均模型
C. 自回归积分滑动平均模型
D. 指数平滑模型
答案：A
73. 在决策树分析中，用于选择最优分裂属性的标准是：
在决策树分析中，用于选择最优分裂属性的标准是：
A. 信息增益
B. 方差减少量
C. 相关系数
D. 基尼指数
答案：A
74. 在决策树中，信息增益是用于：
在决策树中，信息增益是用于：
A. 选择最优的分裂特征
B. 评估模型的预测精度
C. 确定树的深度
D. 计算节点的熵值
答案：A
75. 下列哪一项不是聚类算法的性能评价指标？
下列哪一项不是聚类算法的性能评价指标？
A. 轮廓系数
B. 戴维斯-布尔丁指数
C. 调整后的
D. 兰德指数
答案：C
76. 下列哪一项不是支持向量机中的核函数类型？
下列哪一项不是支持向量机中的核函数类型？
A. 线性核
B. 多项式核
C. 径向基函数核
D. 逻辑回归核
答案：D
77. 在PCA中，主成分是通过最大化什么来确定的？
在PCA中，主成分是通过最大化什么来确定的？
A. 方差
B. 协方差
C. 相关系数
D. 标准差
答案：A
78. 下列哪一项不是神经网络中的常见激活函数？
下列哪一项不是神经网络中的常见激活函数？
A. Sigmoid
B. ReLU
C. Tanh
D. Linear
答案：D
79. 在随机森林算法中，通过引入多棵树的主要目的是：
在随机森林算法中，通过引入多棵树的主要目的是：
A. 提高模型的预测精度
B. 减少模型的计算时间
C. 增加模型的解释性
D. 防止过拟合和减少模型的方差
答案：D
80. 下列哪一项是衡量回归模型性能的指标？
下列哪一项是衡量回归模型性能的指标？
A. F1分数
B. 精确率
C. 判定系数R-squared
D. AUC-ROC曲线下的面积
答案：C
81. 下列哪一项不是聚类分析的方法？
下列哪一项不是聚类分析的方法？
A. K-means
B. 层次聚类
C. DBSCAN
D. 逻辑回归
答案：D
82. 在多元线性回归中，增加一个新的解释变量可能会导致：
在多元线性回归中，增加一个新的解释变量可能会导致：
A. 调整后的总是增加
B. 调整后的总是减少
C. 调整后的可能增加也可能减少
D. 和调整后的始终相等
答案：C
83. 下列哪一项是交叉验证的主要目的？
下列哪一项是交叉验证的主要目的？
A. 评估模型的泛化能力
B. 确定模型的最佳参数
C. 减少模型的计算时间
D. 提高模型的训练精度
答案：A
84. 在决策分析中，决策树的根节点代表：
在决策分析中，决策树的根节点代表：
A. 最终的决策结果
B. 最初的决策点
C. 某个具体的行动方案
D. 决策过程中的一个随机事件
答案：B
85. 下列哪一项不是时间序列的组成成分？
下列哪一项不是时间序列的组成成分？
A. 趋势
B. 季节性
C. 周期性
D. 随机波动中的自相关性
答案：C
86. 下列哪一项不是线性回归模型的假设？
下列哪一项不是线性回归模型的假设？
A. 因变量与自变量之间存在线性关系
B. 自变量之间彼此独立
C. 误差项具有相同的方差
D. 误差项服从正态分布
答案：B
87. 在层次聚类分析中，最初每个数据点被视为一个：
在层次聚类分析中，最初每个数据点被视为一个：
A. 类
B. 聚类中心
C. 异常值
D. 噪声点
答案：A
88. 下列哪一项是衡量分类模型性能的指标？
下列哪一项是衡量分类模型性能的指标？
A. 召回率
B. 均方根误差RMSE
C. 判定系数R-squared
D. 平均绝对误差MAE
答案：A
89. 在蒙特卡洛模拟中，通过重复随机抽样来估计：
在蒙特卡洛模拟中，通过重复随机抽样来估计：
A. 参数的精确值
B. 参数的期望值
C. 数据的分布类型
D. 模型的复杂度
答案：B
90. 下列哪一项不是支持向量机（SVM）的优点？
下列哪一项不是支持向量机（SVM）的优点？
A. 能够解决高维问题
B. 对小规模数据集效果好
C. 无局部最优解
D. 依赖于数据的分布假设较少
答案：B
91. 在马尔科夫链中，状态转移矩阵的每一行之和必须等于：
在马尔科夫链中，状态转移矩阵的每一行之和必须等于：
A. 0
B. 1
C. -1
D. 行号对应的值
答案：B
92. 下列哪个不是主成分分析（PCA）的用途？
下列哪个不是主成分分析（PCA）的用途？
A. 数据降维
B. 去除数据中的噪声
C. 提高模型的解释性
D. 增强数据的线性可分性
答案：D
93. 下列哪一项是敏感性分析的主要目的？
下列哪一项是敏感性分析的主要目的？
A. 确定哪些变量对模型输出影响最大
B. 测试模型在不同数据集上的表现
C. 验证模型的假设是否成立
D. 优化模型的参数设置
答案：A
94. 以下哪个指标用于衡量分类模型的准确性？
以下哪个指标用于衡量分类模型的准确性？
A. 均方误差MSE
B. 准确率Accuracy
C. F1分数用于回归分析
D. R平方值
答案：B
95. 在决策树分析中，剪枝的目的是为了：
在决策树分析中，剪枝的目的是为了：
A. 增加树的深度，提高模型复杂度
B. 减少树的深度，防止过拟合
C. 提高模型对训练数据的拟合度
D. 增加模型中的节点数
答案：B
96. 下列哪一项不是时间序列分析的主要目的？
下列哪一项不是时间序列分析的主要目的？
A. 描述数据随时间的变化规律
B. 预测未来的数值
C. 识别数据中的季节性成分
D. 比较不同组之间的均值差异
答案：D
97. 在回归分析中，如果增加一个新的解释变量后，调整后的R2值变小了，这说明：
在回归分析中，如果增加一个新的解释变量后，调整后的值变小了，这说明：
A. 新变量与因变量无关
B. 新变量与其他解释变量高度相关
C. 模型整体拟合度提高
D. 新变量提高了模型的预测精度
答案：B
98. 下列哪个不是神经网络训练中的常见问题？
下列哪个不是神经网络训练中的常见问题？
A. 过拟合
B. 欠拟合
C. 梯度消失或爆炸
D. 数据不平衡导致的问题（注：虽然数据不平衡可能影响模型，但非神经网络特有问题）
答案：D
99. 在支持向量机中，软间隔与硬间隔的主要区别在于：
在支持向量机中，软间隔与硬间隔的主要区别在于：
A. 是否允许分类错误
B. 是否使用核函数
C. 是否进行特征选择
D. 是否进行正则化
答案：A
100. 主成分分析（PCA）与因子分析（FA）的主要区别在于：
主成分分析（PCA）与因子分析（FA）的主要区别在于：
A. PCA是探索性分析，FA是确认性分析
B. PCA不考虑因子旋转，FA考虑因子旋转
C. PCA只适用于连续变量，FA只适用于分类变量
D. PCA不需要事先确定因子数量，FA需要
答案：A
