A、无监督学习
B、半监督学习
C、强化学习
D、有监督学习
答案:D
解析:朴素贝叶斯算法属于有监督学习
A、无监督学习
B、半监督学习
C、强化学习
D、有监督学习
答案:D
解析:朴素贝叶斯算法属于有监督学习
A. 重复数据
B. 虚假数据
C. 错误数据
D. 异常数据
A. 极大似然估计先假定其具有某种确定的概率分布形式
B. 极大似然估计没有确定的概率分布形式
C. 概率模型的训练过程就是参数估计
D. 贝叶斯学派认为参数本身也有分布,是未观察的随机变量
解析:估计类条件概率的一种常用策略是先假定其具有某种确定的概率分布形式
A. 感知
B. 理解
C. 决策
D. 证明
解析:正确
A. 9
B. 15
C. 18
D. 36
解析:主要应用
A. 在实际场景下,应尽量使用ADAM,避免使用SGD
B. 同样的初始学习率情况下,ADAM的收敛速度总是快于SGD方法
C. 相同超参数数量情况下,比起自适应的学习率调整方式,SGD加手动调节通常会取得更好效果
D. 同样的初始学习率情况下,ADAM比SGD容易过拟合
解析:相同超参数数量情况下,比起自适应的学习率调整方式,SGD加手动调节通常会取得更好效果
A. 自增加
B. 自循环
C. 自递归
D. 自减少
解析:长短期记忆LSTM的核心贡献是引入了自循环 的巧妙构思,该构思中的权重视上下文而定,而不是固定的。
A. 增加训练集量
B. 减少神经网络隐藏层节点数
C. 删除稀疏的特征
D. SVM算法中使用高斯核/RBF核代替线性核
解析:在其他条件不变的前提下,以下做法容易引起机器学习中的“过拟合”问题的是SVM算法中使用高斯核/RBF核代替线性核。
A. 等高线图
B. 饼图
C. 曲面图
D. 矢量场图