基于Boosting的集成学习，其代表算法不包括？（）

A.离散特征的增加和减少都很容易，易于模型的快速迭代
B.稀疏向量内积乘法运算速度快，计算结果方便存储，容易扩展
C.离散化后的特征对异常数据有很强的鲁棒性
D.特征离散化后，模型会变得不稳定

A.设C=1
B.设C=0
C.设C=无穷大
D.以上都不对

A.增加神经网络层数，可能会增加测试数据集的分类错误率
B.减少神经网络层数，总是能减小测试数据集的分类错误率
C.增加神经网络层数，总是能减小训练数据集的分类错误率
D.增加神经网络层数，不能减小训练数据集的分类错误率