如果增加模型复杂度或核函数的多项式阶数,将会发生()A. 导致过拟合B. 导致欠拟合C. 无影响，因为模型已达100%准确率D. 以上均不正确

步骤 1：理解模型复杂度和核函数的多项式阶数
模型复杂度和核函数的多项式阶数是机器学习中影响模型性能的重要因素。模型复杂度越高，模型能够捕捉到的数据特征越多，但同时也可能过度拟合训练数据。核函数的多项式阶数越高，模型的非线性能力越强，但同样可能增加过拟合的风险。

步骤 2：分析过拟合和欠拟合
过拟合是指模型在训练数据上表现很好，但在未见过的测试数据上表现较差。欠拟合是指模型在训练数据和测试数据上都表现不佳。增加模型复杂度或核函数的多项式阶数通常会增加过拟合的风险，因为模型可能会过度拟合训练数据的噪声和细节。

步骤 3：排除其他选项
选项C（无影响，因为模型已达100%准确率）是不正确的，因为即使模型在训练数据上达到100%准确率，它仍然可能过拟合。选项D（以上均不正确）也是不正确的，因为增加模型复杂度或核函数的多项式阶数确实会导致过拟合。