A、是的,这说明这个模型的范化能力已经足以支持新的数据集合了
B、不对,依然后其他因素模型没有考虑到,比如噪音数据
答案:B
A、是的,这说明这个模型的范化能力已经足以支持新的数据集合了
B、不对,依然后其他因素模型没有考虑到,比如噪音数据
答案:B
解析:允许
A. 防止过拟合
B. 减小误差
C. 增加网络复杂度
解析:dropout是指在深度学习网络的训练过程中,对于神经网络单元,按照一定的概率将其暂时从网络中丢弃。
A. -1
B. (1,)
C. ([],[1])
D. ([{‘a’:1}],[‘b’,1])
解析:以下不是tuple类型的是(1)。
A. 784;10
B. 28;10
C. 784;1
D. 28;1
A. 正定性
B. 齐次性
C. 三角不等式
D. 相容性
A. abcde
B. edcba
C. cbaed
D. dcaeb
A. numpy数组切片得到的是数组的副本,python对列表的切片得到的是指向相同缓冲区的视图
B. python对列表的切片得到的是列表的副本,numpy数组切片得到的是指向相同缓冲区的视图
C. python对列表的切片和numpy数组切片得到的都是指向相同缓冲区的视图
D. python对列表的切片和numpy数组切片得到的都是原对象的副本
解析:见函数库
解析:错误
A. k值并不是越大越好,k值过大,会降低运算速度
B. 选择更大的k值,会让偏差更小,因为k值越大,训练集越接近整个训练样本
C. 选择合适的k值,能减小验方差
D. 以上说法都正确
A. 该类不可以实例化
B. 该类可以实例化
C. 在pycharm工具中会出现语法错误,说self没有定义
D. 该类可以实例化,并且能正常通过对象调用showInfo()