A、true
B、false
答案：A
A、true
B、false
答案：A
A. 基于能量的模型
B. 优化目标函数为最小化能力函数
C. 分为显层和隐层
D. 神经元都是数值型
解析：Boltzmann 机中的神经元都是布尔型的，即只能取0 、1两种状态，状态1表示激活，状态0表示抑制
解析：在时间方向上将前一时刻隐藏层的激活值反馈给下一时刻，每个时刻都调整一次
A. 增加训练数据
B. 减少特征值
C. 正则化
D. 追求损失函数的最小
A. K-Means聚类法对噪声和离群点敏感
B. K-Means聚类法对变量的要求比较高
C. 由K-Means聚类法得到的聚类结果，轮廓系数都不是很大。
D. 应用K-Means聚类法需要预先设定聚类个数
解析：k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。
A. 状态
B. 动作
C. 回报
D. 强化
A. 数据预处理
B. 数据清洗
C. 数据选择
D. 数据分析
A. 紧接于量词之后被量词作用的谓词公式称为该量词的辖域
B. 在一个量词的辖域中与该量词的指导变元相同的变元称为约束变元
C. 仅个体变元被量化的谓词成为一阶谓词
D. 个体变元、函数符号和谓词符号都被量化的谓词成为二阶谓词
A. Bagging
B. Boosting
C. 堆叠
D. 以上都不正确
A. 可以处理高维度的属性，并且不用做特征选择
B. 随机森林的预测能力不受多重共线性影响
C. 也擅长处理小数据集和低维数据集的分类问题
D. 能应对正负样本不平衡问题
