1. 首先分析选项A： – AUC（Area Under the Curve）是衡量二分类模型性能的一个指标。如果完全随机地对样本进行分类，AUC应该是0.5而不是0。因为完全随机分类时，真正率和假正率的曲线下面积是0.5，所以选项A错误。 2. 接着看选项B： – 在机器学习中，数据集的划分要尽可能保持数据分布的一致性。例如，在划分训练集、验证集和测试集时，要使各个集合中的数据分布与原始数据集相似，这样才能保证模型的评估和训练是有效的，所以选项B正确。 3. 再看选项C： – 高偏差反映的是模型的欠拟合，即模型过于简单，无法很好地拟合数据；而过拟合是指模型过于复杂，对训练数据拟合得太好了，导致在测试数据上性能不佳，所以选项C错误。 4. 最后看选项D： – 正则化是一种常用的缓解过拟合的方法。它通过在损失函数中添加正则化项，限制模型的复杂度，从而使模型在训练过程中不会过度拟合训练数据，所以选项D正确。 综上，正确答案是BD。

18:09