在处理序列数据时，较容易出现梯度消失现象的深度学习模型是
A. CNN
B. LSTM
C. GRU
D. RNN
解析：RNN(Recurrent Neural Network)是一类用于处理序列数据的神经网络。 RNN存在一些问题梯度较容易出现衰减或爆炸(BPTT) - 梯度爆炸
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-dad8-c021-5dd340f22411.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
如果将数据科学比喻成“鹰”，那么，理论基础、数据加工、数据计算、数据管理、数据分析、数据产品开发相当于“鹰”的（）
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a625-fcf8-c021-5dd340f22425.html
点击查看答案
MapReduce计算框架是一种分布式计算模型，其主要特征有（）。
A. 自动实现分布式并列计算
B. 支持大规模海量数据处理
C. 借鉴函数式编程思路
D. 简洁易用
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-2510-c021-5dd340f2241d.html
点击查看答案
Bagging 集成学习中，每个基学习器之间的关系是
A. 相加关系
B. 相关关系
C. 后面的模型必须建立在前面的模型之上
D. 相互独立
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-d308-c021-5dd340f22411.html
点击查看答案
迁移学习和对抗生成网络，能减少对昂贵标注样本的依赖
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-eeb0-c021-5dd340f2242e.html
点击查看答案
VGG的主要思想是通过重复使用简单的基础块来构建深度模型为深度神经网络的构建提供了方向
解析：正确
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f2242a.html
点击查看答案
设数据集合为D={1,2,3,4,5,6}，下列数据结构B=(D,R)中为线性结构的是
A. R={(1,2)，(2,3)，(3,4),(4,5)，(6,5)}
B. R={(1,2)，(2,3),(6,5),(3,6),(5,4)})
C. R={(5,4)，(3,4)，(3,2)，(4,3)，(5,6)}
D. R={(1,2)，(2,3)，(4,3),(4,5)，(5,6)}
解析：如果一个非空的数据结构满足下列两个条件:1)有且只有一个根节点;2)每一个结点最多有一个前件，也最多有一个后件。则称该数据结构为线性结构。数据的逻辑结构有两个要素:一是数据元素的集合，通常记为D;二是D上的关系，它反映了D中各元素之前的前后件关系，通常记为R。即一个数据结构可以表示成B=(D,R)，其中B表示数据结构。为了反映D中各元素之间的前后件关系，一般用二元组来表示。例如，假设a与b是D中的两个数据，则二元组(a, b)表示a是b的前件，b是a的后件。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-3f60-c021-5dd340f2240e.html
点击查看答案
()以当前的假设作为输入，输出一个新的问题供执行系统去探索。
A. 执行器
B. 评价器
C. 泛化器
D. 实验生成器
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-04c8-c021-5dd340f22416.html
点击查看答案
xgboost在代价函数里加入了（），用于控制模型的复杂度
A. 正则项
B. 非线性
C. 激活函数
D. 特征变换
解析：xgboost在代价函数里加入了正则项，用于控制模型的复杂度
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-ea78-c021-5dd340f2240f.html
点击查看答案
