A、μ=0,σ=1
B、μ=1,σ=0
C、μ=0,σ=0
D、μ=1,σ=1
答案：A
A、μ=0,σ=1
B、μ=1,σ=0
C、μ=0,σ=0
D、μ=1,σ=1
答案：A
A. 专家系统
B. 机器学习
C. 神经网络
D. 模式识别
A. end
B. stop
C. kill
D. free
A. 归一化可以预防过拟合
B. 归一化没有实质作用
C. 归一化将所有数据样本之缩放到0-1之间
D. 归一化是一种激活函数
解析：数据的标准化和归一化：数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标中经常会用到，去除数据的单位限制，将其转化为无量纲的数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据归一化处理，既将数据统一映射到[0,1]区间上
A. Accuracy
B. Precision
C. Recall
D. Iou
解析：见算法解析
A. 给定标签
B. 离散
C. 分类
D. 回归
解析：在监督学习中，预测变量离散，称为分类，预测变量连续，称为回归，两者本质一样，都是对输入做预测，不过分类输出的是物体所属的类别，回归输出的是物体的值。答案选D
A. 非极大值抑制
B. 非极小值抑制
C. 极大值抑制
D. 极小值抑制
解析：见算法解析
A. 图像识别
B. 认知模拟
C. 规划问题求解
D. 数据挖掘
A. 相关不一定是线性关系，可能是非线性关系。
B. 相关一定是线性关系，不可能是非线性关系。
C. 相关时若有相关系数r为0，说明两个变量之间不存在线性关系，仍可能存在非线性关系。
D. 相关系数为0是两个变量独立的必要不充分条件。
