A、平滑处理
B、标准化
C、特征构造
D、去除虚假数据
答案：D
A、平滑处理
B、标准化
C、特征构造
D、去除虚假数据
答案：D
A. 目标值
B. 结果
C. 自变量
D. 因变量
A. 原型聚类
B. 密度聚类
C. 层次聚类
A. 距离度量
B. k值选择
C. 分类决策规则
D. 函数间隔定义
解析：函数间隔定义是支持向量机的要素
A. 单元学习算法
B. 多层网络学习
C. 决策树学习
D. 概念学习
A. 扩展现实技术
B. 区块链技术
C. 数字孪生技术
D. 云计算
A. 防止模型欠拟合而加在损失函数后面的一项
B. L1范数符合拉普拉斯分布，是完全可微的
C. L1正则化项是模型各个参数的平方和的开方值
D. L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
解析：A、防止模型过拟合而加在损失函数后面的一项；B、L1范数符合拉普拉斯分布，是不完全可微的；C、L2正则化项是模型各个参数的平方和的开方值。
解析：错误
A. 池化操作采用扫描窗口实现
B. 池化层可以起到降维的作用
C. 常用的池化方法有最大池化和平均池化
D. 经过池化的特征图像变小了
解析：池化是一种down-sampling技术，本质是基于滑动窗口的思想，可以去除特征图中的冗余信息，降低特征图的维度。常用的是最大池化和平均池化
A. Key-Value
B. Key-Document
C. Key-Column
D. 图存储
A. bert分类效果优于word2vec
B. word2vec分类效果优于bert
C. 效果一致
D. 以上选项均不正确
解析：在数据量大的情况下，对于相同的文本分类任务，bert分类效果优于word2vec
