A、各类别的先验概率P(C)是相等的
B、以0为均值,sqr(2)/2为标准差的正态分布
C、特征变量X的各个维度是类别条件独立随机变量
D、P(X|C)是高斯分布
答案:C
A、各类别的先验概率P(C)是相等的
B、以0为均值,sqr(2)/2为标准差的正态分布
C、特征变量X的各个维度是类别条件独立随机变量
D、P(X|C)是高斯分布
答案:C
A. RndomForest的中间树不是相互独立的,而GrdientBoostingTrees的中间树是相互独立的
B. 两者都使用随机特征子集来创建中间树
C. 在GradientBoostingTrees中可以生成并行树,因为它们是相互独立的
D. 无论任何数据,GraientBoostingTrees总是优于RanomFores
A. 每次抽选时,总体单位数始终不变
B. 每次抽选时,总体单位数逐渐减少
C. 各单位被抽中的机会在每次抽选中相等
D. 各单位被抽中的机会在每次抽选中不等
E. 各次抽选相互独立
解析:线性支持向量机一般用于处理二元分类,复杂的决策边界需要在支持向量机中引入核方法
A. 深度学习是机器学习的一个分支
B.
深度学习与机器学习是互相包含的关系
C. 深度学习与机器学习同属于人工智能但相互之间没有关系
D. 以上都不对
A. dt.datetime(2019,12,12,23,23,23)
B. dt.datetime(2019,0,0,23,23,23)
)
C. dt.datetime(2019,12,12,0)
D. dt.time(23,23,23
解析:见函数库
A. 回归树
B. 分类树
C. 交叉树
D. 森林
解析:见算法解析
解析:支持向量机SVM不属于深度学习网络
A. 描述性分析
B. 诊断性分析
C. 预测性分析
D. 规范性分析
A. 卷积层
B. 池化层
C. 全连接层
D. 输出层
解析:我们可以对Docker Compose文件使用 JSON 文件而不是YAML