A、信息增益与训练数据集的信息熵之比
B、信息增益与训练数据集的经验熵之比
C、信息增益与训练数据集的条件熵之比
D、信息增益与训练数据集的交叉熵之比
答案:B
解析:当熵和条件熵中的概率由数据估计(特别是极大似然估计)得到时,所对应的熵与条件熵分别称为经验熵(empirical entropy)和经验条件熵(empirical conditional entropy)。
A、信息增益与训练数据集的信息熵之比
B、信息增益与训练数据集的经验熵之比
C、信息增益与训练数据集的条件熵之比
D、信息增益与训练数据集的交叉熵之比
答案:B
解析:当熵和条件熵中的概率由数据估计(特别是极大似然估计)得到时,所对应的熵与条件熵分别称为经验熵(empirical entropy)和经验条件熵(empirical conditional entropy)。
A. 核对
B. 验证
C. 检验
D. 跟踪
A. 自主学习、判断、执行
B. 决策、判断、执行
C. 自主学习、决策、执行
D. 自主学习、判断、决策
解析:人工智能是一门利用计算机模拟人类智能行为科学的统称,它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。
A. 二分法
B. 最小二乘法
C. 均值法
D. 投票法
解析:见算法解析
A. 专业性
B. 跨领域
C. 局部性
D. 全局性
解析:基础概念
A. 颜色特征
B. 纹理特征
C. 形状特征
D. 空间关系特征
解析:见算法解析
A. SVM对噪声(如来自其他分部的噪声样本)具备鲁棒性
B. 在adaoost算法中,所有被分错样本的权重更新比例不相同
C. boosting和bagging都是组合多个分类器投票的方法,二者都是根据单个分类器的正确率确定其权重
D. 给定n个数据点,如果其中一半用于训练,一半用户测试,则训练误差和测试误差之间的差别会随着n的增加而减少的
A. 机器视觉
B. 语音识别
C. 机器推理
D. 机器学习
解析:例如在生产与采购环节,典型的AI应用场景包括智能质检,利用机器视觉等AI技术可代替人力或者协助人力完成对缺陷商品进行识别。
A. 权重
B. 偏置
C. 激活函数
D. 学习率
解析:学习率是CNN网络的超参数。
A. 消息总线&;&服务总线&;&API&;&datahub
解析:见函数库