A、数据形状变换&;&模型筛选&;&数据集划分&;&数据归一化处理
答案：B
解析：基础概念
A、数据形状变换&;&模型筛选&;&数据集划分&;&数据归一化处理
答案：B
解析：基础概念
解析：正确
解析：现在，深度学习虽然超越了机器学习模型的神经科学观点，也可以应用于那些并非受神经科学启发的机器学习框架。
A. k-means
B. 线性回归
C. svm
D. 逻辑回归
解析：支持向量机（SVM）从数据中找出一个数据的分割超平面。将两个类别的数据完全分割开，并且在模型构建的过程中，保证分割区间最大化,无迭代循环
A. 多分类
B. 二分类
C. 回归
D. 分类
A. paddle.nn.Linear
B. paddle.nn.Conv2D
C. paddle.nn.MaxPool2D
D. paddle.nn.ReLU
解析：应使用线性层paddle.nn.linear作为全连接层
A. 机器学习
B. 深度学习
C. 有监督学习
D. 无监督学习
解析：机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。
解析：深度优先与宽度优先搜索算法的区别是:深度优先将新扩展出来的节点放在OPEN表的前端，宽度优先将新扩展出来的节点放在OPEN表的后端
A. HopField网络
B. AlexNet
C. ResNet
D. VGG
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. [a, b]
B. [0，1]
C. [0，1，3, 4]
D. [0, 1, 2, 3]
解析：见函数库
