A、假设属性之间完全独立
B、 假设属性之间部分相关
C、 独依赖估计为半朴素贝叶斯最常用的策略
D、 假设所以属性都依赖于同一个属性
答案：A
解析：半朴素贝叶斯分类器的基本想法是适当考虑一部分属性问的相互依赖信息，从而既不需进行完全联合概率计算，又不至于彻底忽略了比较强的属性依赖关系
A、假设属性之间完全独立
B、 假设属性之间部分相关
C、 独依赖估计为半朴素贝叶斯最常用的策略
D、 假设所以属性都依赖于同一个属性
答案：A
解析：半朴素贝叶斯分类器的基本想法是适当考虑一部分属性问的相互依赖信息，从而既不需进行完全联合概率计算，又不至于彻底忽略了比较强的属性依赖关系
A. 基于正态分布的异常点检测算法
B. 基于距离的异常点检测算法
C. 3δ原则
D. 简单统计分析
A. 命题规则
B. 剪枝优化
C. 一阶规则
D. 序贯覆盖
解析：见算法解析
解析：正确
A. 连接边
B. 关系
C. 属性
D. 特征
A. LSTM
B. GRU
C. Transformer
D. text-convolution
解析：text-convolution是卷积网络，没有循环链接
A. 增加网络层数，总能减小训练集错误率
B. 减小网络层数，总能减小测试集错误率
C. 增加网络层数，可能增加测试集错误率
解析：增加网络层数，可能增加测试集错误率
A. 不知道
B. 看情况
C. 是
D. 否
解析：池化算法比如取最大值/取平均值等, 都是输入数据旋转后结果不变, 所以多层叠加后也有这种不变性。
A. 01月12日
B. 01月09日
C. 01月06日
D. 01月04日
解析：将先后两次的点数记为有序实数对(x,y),则共有6*6=36个基本事件，其中点数之和为大于8的偶数有(4,6),(6,4),(5,5),(6,6)共4个，则满足条件的概率为4/36=1/9
