A、keras 模型部署工具
B、keras 数据处理工具
C、Keras 生成模型工具
D、Keras 内置优化器
答案：B
A、keras 模型部署工具
B、keras 数据处理工具
C、Keras 生成模型工具
D、Keras 内置优化器
答案：B
A. 理论
B. 实践
C. 精神
D. 运用
E. 挖掘
A. 局部变量指在函数内部使用的变量，当函数退出时，变量依然存在，下次函数调用可以继续使用
B. 使用global保留字声明简单数据类型变量后，该变量作为全局变量使用
C. 简单数据类型变量无论是否与全局变量重名，仅在函数内部创建和使用，函数退出后变量被释放
D. 全局变量指在函数之外定义的变量，一般没有缩进，在程序执行全过程有效
解析：机器学习领域和数据库领域是数据挖掘的两大支撑。
解析：字节是最基本的单位，其上是字等
A. 机器学习
B. 计算机视觉
C. 语音识别
D. 自然语言处理
A. 单链接
B. 全链接
C. 均链接
D. 以上都行
A. 人脸识别
B. 专家系统
C. 图像理解
D. 分布式计算
A. 只要一个对称函数所对应的核矩阵半正定，就能称为核函数
B. 核函数选择作为支持向量机的最大变数
C. 核函数将影响支持向量机的性能
D. 核函数是一种降维模型
解析：只要一个对称函数所对应的核矩阵半正定，它就能作为核函数使用.事实上，对于一个半正定核矩阵，总能找到一个与之对应的映射，任何一个核函数都隐式地定义了一个称为“再生核希尔伯特空间”的特征空间，我们希望样本在特征空间内线性可分，因此特征空间的好坏对支持向量机的性能至关重要，在不知道特征映射的形
式时，我们并不知道什么样的核函数是合适的，而核函数也仅是隐式地走义了这个特征空间，于是，“核函数选择”成为支持向量机的最大变数
A. 12
B. 81
C. 35
D. 64
