338.如果把寻找最优值的过程看做小球滚到山底的过程,以下关于动量优化器的描述,正确的是哪些项?
A. 带有惯性的小球更容易滚过一些狭窄的局部极值。
B. 仍需要手动设置学习率和动量系数。
C. 动量梯度下降是小球在下降的过程中不断积累速度,这有助于小球快速中过平坦区域,加快收敛
D. 动量梯度下降可以解决振荡导致学习速度降低的问题
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d27-b70d-c0d7-b77d19146f00.html
点击查看答案
6.多分类问题中,SoftMax为每一个类别赋予概率值,这些概率值之和是?
A. 0.1
B. 0.5
C. 100
D. 1
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d28-7b9e-c0d7-b77d19146f00.html
点击查看答案
530.()指的是训练过程中使用的数据集,其中每个样本称为训练样本。(输入中文)
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d28-5f4c-c0d7-b77d19146f00.html
点击查看答案
1、以下哪些模型可以用来做分类?多
A. 线性回归
B. 决策树
C. 逻辑回归
D. 支持向量机
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-ca39-c0d7-b77d19146f00.html
点击查看答案
1、以下关于模型泛化能力的描述中,哪一项是正确的?单
A. 泛化能力指能否在实际的业务数据也能预测准确。
B. 泛化能力指预测的结果是否容易被解释。
C. 泛化能力指每一条数据的预测需要多长时间。
D. 泛化能力指实际业务过程中数据量可能很大,随着业务量增大,预测的速率是否仍然可以接受。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d26-40f0-c0d7-b77d19146f00.html
点击查看答案
339.关于卷积神经网络的结构,下列哪些说法是正确的?
A. 在卷积神经网络格中,池化层只能选择最大池化,而不韵选择其他方法。
B. 卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角,更多层的网络能从低级特征中迭代提取更复杂的特征。
C. 全连接层把所有局部特征结合变成全局特征用来计算最后每一类的得分。
D. 卷积神经网络中每层卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法优化得到的。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d27-b81b-c0d7-b77d19146f00.html
点击查看答案
165.人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法及应用系统的一门新的技术科学。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d27-2f08-c0d7-b77d19146f00.html
点击查看答案
1、以下选项中,哪个选项的模型无法分割非线性数据集?单
A. KNN
B. SVM
C. 神经网络
D. 一元线性回归
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-f0d1-c0d7-b77d19146f00.html
点击查看答案
2.以下关于机器学习常见算法的描述中,哪一项说法是正确的?
A. K-means算法不能够保证收敛。
B. 现有一个点能被正确分类且远离决策边界。如果将该点加入到训练集则SVM的边界会受其影响
C. 朴素贝叶斯是借助树状结构来刻画属性间的依赖关系。
D. 聚类试图将数据集中的样本划分为若干个子集每个子集称为一个"簇
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d26-8a7e-c0d7-b77d19146f00.html
点击查看答案
1、以下关于KNN算法的描述中,正确的是哪几个选项?多
A. KNN的核心思想是“近朱者赤,近墨者黑”,其在逻辑上十分的简洁。
B. KNN是参数方法,常用在决策边界非常规则的数据集中。
C. KNN在做回归预测时,一般采用平均值法。
D. KNN在分类预测时,一般采用多数表决法。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d26-4bf4-c0d7-b77d19146f00.html
点击查看答案
