在训练集和测试集中，化合物的实测活性和预测活性的相关系数越接近1，该模型具有较好的预测能力

内部检验的方法可以用来估测一个模型的拟合能力、活性和内部预测能力。

k 近邻方法不需要事先学习分类模型，当需要预测的时候，根据预测样本的特性和已知训练数据集中的数据进行类别的判断。

药效团模建对训练集分子的要求包括：

机器学习系统中通常将数据集划分为训练集和测试集，其中被用来学习得到模型中参数值的是（）。

基于bankpep数据集，划分训练集与测试集，建立分类模型。 1) 使用决策树建立分类模型，记录模型在测试集上的性能； 2) 自学朴素贝叶斯、支持向量集建立分类模型的方法，记录模型在测试集上的性能； 3) 使用使用梯度提升机以及XGBoost训练分累模型，并与步骤1、2的结果进行比较。 4) 本次作业需提交源代码和结果分析报告，分析报告说明使用的数据集，数据集特征项、数据量大小、尝试的每种方法、获得的结果。最后绘图比较这些方法在性能上的差别。

在机器学习中，如果数据较少，同时采用的模型较复杂，得到的模型在给定的训练集上误差非常小，接近于0，但是在训练集之外的数据上预测效果很差，这种现象称为（）。

阿维菌素具有较好的杀卵活性。

使用FoodMart信息系统数据库中的Customer表，建立数据挖掘模型，该模型通过客户country,marital_status,yearly_income,gender,education,occupation,houseowner变量预测num_cars_owned（信用卡数量）。 1、创建数据挖掘架构 2、选择数据挖掘模型，设置训练数据和测试数据比例。 3、评估模型，解释提升图。 4、应用模型，能使用模型进行单值预测。 5、查看和解释挖掘模型脚本。

在机器学习中，如果数据较少，同时采用的模型较复杂，得到的模型在给定的训练集上误差非常小，接近于0，但是在训练集之外的数据上预测效果很差，这种现象称为（）。