下列哪些方法是梯度下降法的改进？（） A: 批量梯度下降（Batchgradientdescent） B: 随机梯度下降（Stochasticgradientdescent） C: 小批量梯度下降（Mini-batchgradientdescent）

有关机器学习算法，以下说法中不正确的是：（） A: 之所以说监督学习和无监督学习之间并不存在一条严格的界限，是因为很难客观地区分监督者给定的一个值是特征（feature）还是目标（target）。 B: 当深度学习网络的最后一层是一个softmax分类器时，我们可以把网络的前面部分看成是一种表示学习（RepresentationLearning）的计算单元。 C: 一个聚类算法将样本分成k个不同的聚类（cluster），从另一个角度说，这个聚类算法其实是为样本中的每一个实例提供了一种k维的one-hot编码方式 D: 随机梯度下降（StochasticGradientDescent）算法是用小规模的样本近似估计梯度的方法，适合在大规模数据上训练深度神经网络，但在逻辑回归、SVM等算法中的作用很有限。