1、如果线性回归模型中的随机误差存在异方差性，那么参数的OLS估计量是（无偏的，非有效的）
OLS即普通最小二乘法，由高斯-马尔可夫定理，在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。根据证明过程可知，随机误差中存在异方差性不会影响其无偏性，而有效性证明中涉及同方差性，即异方差性会影响参数OLS估计量的有效性
得到的参数估计量不是有效估计量
2、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（）
A、SVM算法中使用高斯核/RBF核替代
B、增加训练集数量
C、减少神经网络隐藏节层节点数
D、删除稀疏的特征
解析
答案A
机器学习中发生过拟合的主要原因：
（1）使用过于复杂的模型
（2）数据噪声较大
（3）训练数据少
由此对应的降低过拟合的方法有：
（1）简化模型假设，或者使用惩罚项限制模型复杂度
（2）进行数据清洗，减少噪声
（3）收集更多训练数据
