A、也称为信念网
B、借助有向无环图刻画属性之间的关系
C、借助无向无环图刻画属性之间的关系
D、用条件概率表来描述属性的联合概率分布
答案：C
解析：贝叶斯网亦称“信念网”，它借助有向无环图来刻画属性之间的依赖关系，并使用条件概率表来描述属性的联合概率分布
A、也称为信念网
B、借助有向无环图刻画属性之间的关系
C、借助无向无环图刻画属性之间的关系
D、用条件概率表来描述属性的联合概率分布
答案：C
解析：贝叶斯网亦称“信念网”，它借助有向无环图来刻画属性之间的依赖关系，并使用条件概率表来描述属性的联合概率分布
A. 感知器
B. 卷积神经网络
C. 全连接神经网络
D. 循环神经网络
A. 可读,可写入,可执行
B. 可读
C. 可读,可执行
D. 可写入
A. 有向图又称为贝叶斯网络或者信念网络
B. 网络中的边用有向箭头表示子节点依赖于父节点
C. 变量之间的关系通过箭头对变量进行了某种“拓扑”
D. 在排序条件下，每个节点都只依赖和它直接相连的父节点，而不依赖与所有的前辈节点
A. K-Mean
B. DBSCAN
C. EM
D. C4.5
A. 召回率
B. 错误率
C. 错误次数
D. 总体代价
A. wspace
B. hspace
C. vspace
D. lspace
解析：见算法解析
A. Tensorflow
B. Pytorch
C. Caffe2
D. Paddle
解析：见算法解析
解析：正确
