A、02月05日
B、01月05日
C、01月03日
D、04月15日
答案：A
A、02月05日
B、01月05日
C、01月03日
D、04月15日
答案：A
A. 1
B. 1 和 3
C. 1 和 2
D. 2
A. 增加树的深度
B. 增加学习率
C. 减少树的数量
D. 减小树的深度
解析：一般用决策树进行分类，从根结点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其子结点。这时，每一个子结点对应着该特征的一个取值。如此递归地对实例进行测试并分类，直至达到叶结点。最后将实例分到叶结点的类中。—— 引自李航 《统计学习方法》
决策树深度越深，在训练集上误差会越小，准确率越高。但是容易造成过拟合，而且增加模型的训练时间。对决策树进行修剪，减小树的深度，能够提高模型的训练速度，有效避免过拟合。
单决策树中，学习率不是一个有效参数。
决策树是单树，随机森林由多个决策树组成。
A. 人脸识别
B. 专家系统
C. 图像理解
D. 分布式计算
A. 循环神经网络
B. 卷积神经网络
C. 限制玻尔兹曼机
D. 都不是
A. 精度
B. ROC
C. MSE
D. AUC
A. 图像分类
B. 图像分割
C. 目标检测
A. 到2035年
B. 到2030年
C. 到2025年
D. 到2020年
解析：我国人工智能三步走战略，其中第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点
A. 训练样本单一
B. 只能处理简单句
C. 基于已有的既成案例
D. 错误较多
解析：见算法解析
