APP下载
首页
>
IT互联网
>
计算机知识技术题库
搜索
计算机知识技术题库
题目内容
(
单选题
)
以下()属于数据统计方法中的离中趋势分析。

A、数值平均数

B、位置平均数

C、离散系数

D、线性相关

答案:C

计算机知识技术题库
关于Bagging集成方法说法正确的是()
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-d358-c021-5dd340f22413.html
点击查看题目
虽然机器学习在许多任务中取得了巨大的成功,但由于缺乏(),其表现和应用备受质疑,严重阻碍了机器学习在各个领域尤其是安全敏感领域的广泛落地。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-e6e0-c021-5dd340f22405.html
点击查看题目
由机器学习算法构成的模型,在理论层面上,它并不能表征真正的数据分布函数,只是逼近它而已。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-f298-c021-5dd340f22413.html
点击查看题目
遗传算法不能用于知识发现。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-e200-c021-5dd340f22421.html
点击查看题目
Skip-Gram模型不支持可变文本长度,而CBOW支持。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-fd58-c021-5dd340f22407.html
点击查看题目
在线性回归算法中,我们认为误差项是符合什么分布的( )
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-cf20-c021-5dd340f2241d.html
点击查看题目
Inception块的设计思想:多通路(multi-path)设计形式,使用不同大小的卷积核提取图像特征,并附加最大池化操作,将这四个输出层沿着通道这一维度进行拼接。最终输出特征图将包含不同大小的卷积核提取到的特征
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f2242b.html
点击查看题目
卷积神经网络A图像进行卷积计算后, 没有办法保证图像的尺寸维持原大小
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-e5e8-c021-5dd340f2241e.html
点击查看题目
在卷积神经网络中,通常导致模型的输入尺寸为固定大小的网络层是全连接层
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-d648-c021-5dd340f22424.html
点击查看题目
以Le-net5为例,输入图像32x32x1,kernel=5x5,step=1,padding=1,则经第一次卷积操作后,输出ferturemap大小为
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-ee60-c021-5dd340f22402.html
点击查看题目
首页
>
IT互联网
>
计算机知识技术题库
题目内容
(
单选题
)
手机预览
计算机知识技术题库

以下()属于数据统计方法中的离中趋势分析。

A、数值平均数

B、位置平均数

C、离散系数

D、线性相关

答案:C

分享
计算机知识技术题库
相关题目
关于Bagging集成方法说法正确的是()

A. 训练一个Bagging集成与直接使用基学习算法训练一个学习器的复杂度同阶,因此Bagging是一个很高效的集成学习算法

B. 为处理多分类或回归任务,Bagging需进行修改

C. 从偏差-方差分解的角度看,Bagging主要关注降低偏差

D. Bagging的性能依赖于基分类器的稳定性。

解析:见算法解析

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-d358-c021-5dd340f22413.html
点击查看答案
虽然机器学习在许多任务中取得了巨大的成功,但由于缺乏(),其表现和应用备受质疑,严重阻碍了机器学习在各个领域尤其是安全敏感领域的广泛落地。

A. 可分析性

B. 可复现性

C. 可解释性

D. 可重构性

解析:虽然机器学习在许多任务中取得了巨大的成功,但由于缺乏可解释性,其表现和应用备受质疑,严重阻碍了机器学习在各个领域尤其是安全敏感领域的广泛落地。

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-e6e0-c021-5dd340f22405.html
点击查看答案
由机器学习算法构成的模型,在理论层面上,它并不能表征真正的数据分布函数,只是逼近它而已。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-f298-c021-5dd340f22413.html
点击查看答案
遗传算法不能用于知识发现。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-e200-c021-5dd340f22421.html
点击查看答案
Skip-Gram模型不支持可变文本长度,而CBOW支持。

解析:Skip-Gram与CBOW都是运用给定窗口半径生成词向量。

https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-fd58-c021-5dd340f22407.html
点击查看答案
在线性回归算法中,我们认为误差项是符合什么分布的( )

A. 高斯分布

B. 均匀分布

C. 二项分布

D. 泊松分布

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-cf20-c021-5dd340f2241d.html
点击查看答案
Inception块的设计思想:多通路(multi-path)设计形式,使用不同大小的卷积核提取图像特征,并附加最大池化操作,将这四个输出层沿着通道这一维度进行拼接。最终输出特征图将包含不同大小的卷积核提取到的特征

解析:正确

https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f2242b.html
点击查看答案
卷积神经网络A图像进行卷积计算后, 没有办法保证图像的尺寸维持原大小

解析:可以使得图像的尺寸维持原大小

https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-e5e8-c021-5dd340f2241e.html
点击查看答案
在卷积神经网络中,通常导致模型的输入尺寸为固定大小的网络层是全连接层

解析:如果神经网络里不仅仅只有卷积层,还有全连接层,那么输入的图像的大小必须是固定的

https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-d648-c021-5dd340f22424.html
点击查看答案
以Le-net5为例,输入图像32x32x1,kernel=5x5,step=1,padding=1,则经第一次卷积操作后,输出ferturemap大小为

A. 29x29

B. 27x27

C. 28x28

D. 30x30

解析:以Le-net5为例,输入图像32x32x1,kernel=5x5,step=1,padding=1,则经第一次卷积操作后,输出ferturemap大小为28x28

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-ee60-c021-5dd340f22402.html
点击查看答案
试题通小程序
试题通app下载