多项选择题
A.可通过神经网络隐层将其变换到新的高维特征空间，使其在变换后的特征空间线性可分B.可在原始特征空间组合多个线性分类器，从而构建非线性分类边界C.可通过特征变换，将其变换到新的高维特征空间，使其线性可分D.一定可以设计出分类器无误地将其分开
A.梯度提升决策树是一种组合分类器B.梯度提升决策树属于统计学习中序列向前的加性/相加模型（additive model）C.梯度提升树是通过序列添加新的决策树以拟合已有决策树预测损失的梯度D.梯度提升决策和随机森林一样是基于多数投票的组合分类器
A.对象的中心位置、长宽等定位参数通常被设置为回归问题。B.对象的中心点位置回归时，通常以选择的锚框中心点坐标为基础，回归优化的目标是使锚框中心点坐标偏离对象真实中心点位置的量与所预测对象的中心点位置偏离对象真实中心点位置的量之间的差异越小越好。C.对象定位的目标是使预测对象的定位参数直接和对象真实外包络矩阵的参数差异越小越好。D.对象检测方法的学习是包括对象定位和对象分类的多任务学习问题。