给出下列结论：  （1）在回归分析中，可用指数系数R方的值判断模型的拟合效果，R方越大，模型的拟合效果越好； （2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好； （3）在回归分析中，可用相关系数r的值判断模型的拟合效果，r越小，模型的拟合效果越好； （4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合适．带状区域的宽度越宽，说明模型的拟合精度越高。 以上结论中，正确的有（）个

在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题?

黑风暴只在美国出现过。

多元线性回归分析中，可用于评价模型拟合效果的指标有（）。

用于说明回归方程中拟合优度的统计量主要是（）

外推预测的准确程度取决于所拟合模型的拟合优度，最小二乘法以其所拟合模型的预测标准误差最大的优势成为最常用的趋势模型的拟合方法。请问，这是最小二乘法的优势理由吗？

多段线的曲线化包含：（）的拟合和（）拟合。

列表曲线的轮廓处理的方法有（）、三次样条曲线拟合、圆弧样条拟合与双圆弧样条拟合。

下面哪个/些超参数的增加可能会造成随机森林数据过拟合?

高应变动力检测法，采用CASE法确定单桩承载力时，当不具备动、静对比试验条件时，可通过实测曲线拟合法确定土的阻尼系数，其拟合桩数不应少于该工程动测桩数的30%，且不得少于5根

在人类社会早期，由于生产力低下以及人们认识能力的不足，没有专门的人研究学习，也没有专门的机构从事专门的教育，只能以言传和身教的方式传授人类早期的认识成果，年轻者在与年长者的交往中通过模仿和记忆学习其相关知识经验，这是接受式学习的产生的主要根源和动因。

为什么过去有的教师没有学过教育学，教育工作效果并不差；而有的人，虽然学过教育学，但刚走上教师工作岗位，教育效果并不理想；这是不是意味着学习教育学没有实际意义？如何解释这种现象？