垃圾邮件分类，训练集中每个邮件的标签：1（垃圾）或0（正常），是由人工标注的

A.一个好的分类器应该在交叉验证集上同时具有高精度precision和高召回率recall。

B.如果您总是预测非垃圾邮件（输出y=0），那么您的分类器在训练集上的准确度accuracy将达到99%，而且它在交叉验证集上的性能可能类似。

C.如果您总是预测非垃圾邮件（输出y=0），那么您的分类器的准确度accuracy将达到99%。

D.如果您总是预测非垃圾邮件（输出y=0），那么您的分类器在训练集上的准确度accuracy将达到99%，但在交叉验证集上的准确率会更差，因为它过拟合训练数据。

A.有监督学习是从有正确答案的样本集合中学习，即每个样本的分类标签（classification label）或者目标值（target value）已知

B.无监督学习的训练学习过程中也利用到了每个样本的分类标签（classification label）或者目标值（target value）

C.有监督学习中样本的ground truth指的是每个样本的真实分类标签（classification label）或者真实目标值（target value）

D.为了获得有监督学习中样本的真实分类标签（classification label）或者真实目标值（target value），某些情况下，可以采用人工专家标注的方法获得

A.有监督学习是从有正确答案的样本集合中学习，即每个样本的分类标签（classification label）或者目标值（target value）已知

B.无监督学习的训练学习过程中也利用到了每个样本的分类标签（classification label）或者目标值（target value）

C.有监督学习中样本的ground truth指的是每个样本的真实分类标签（classification label）或者真实目标值（target value）

D.为了获得有监督学习中样本的真实分类标签（classification label）或者真实目标值（target value），某些情况下，可以采用人工专家标注的方法获得

A.有监督学习是从有正确答案的样本集合中学习，即每个样本的分类标签（classification label）或者目标值（target value）已知

B.无监督学习的训练学习过程中也利用到了每个样本的分类标签（classification label）或者目标值（target value）

C.有监督学习中样本的ground truth指的是每个样本的真实分类标签（classification label）或者真实目标值（target value）

D.为了获得有监督学习中样本的真实分类标签（classification label）或者真实目标值（target value），某些情况下，可以采用人工专家标注的方法获得

A.有监督学习中样本的ground truth指的是每个样本的真实分类标签（classification label）或者真实目标值（target value）

B.为了获得有监督学习中样本的真实分类标签（classification label）或者真实目标值（target value），某些情况下，可以采用人工专家标注的方法获得

C.无监督学习的训练学习过程中也利用到了每个样本的分类标签（classification label）或者目标值（target value）

D.有监督学习是从有正确答案的样本集合中学习，即每个样本的分类标签（classification label）或者目标值（target value）已知