A、只有 1
B、只有 2
C、 只有 3
D、 都正确
答案：B
解析：通常情况下，我们增加树的深度有可能会造成模型过拟合。学习速率在随机森林中并不是超参数。增加树的数量可能会造成欠拟合
A、只有 1
B、只有 2
C、 只有 3
D、 都正确
答案：B
解析：通常情况下，我们增加树的深度有可能会造成模型过拟合。学习速率在随机森林中并不是超参数。增加树的数量可能会造成欠拟合
A. 增加网络层数，可能会增加测试集分类错误率
B. 增加网络层数，一定会增加训练集分类错误率
C. 减少网络层数，可能会减少测试集分类错误率
D. 减少网络层数，一定会减少训练集分类错误率
解析：一般来说，神经网络层数越多，模型越复杂，对数据的分类效果越好。所以，从最简单的层数开始，增加网络层数都能使得训练误差和测试误差减小。但是，神经网络层数过多容易造成过拟合，即对训练样本分类效果很好，误差小，但是测试误差很大。
为了避免发生过拟合，应该选择合适的神经网络层数并使用正则化技术来让神经网络更加稳健。
A. （-1，0）
B. （0，1）
C. （-1，1）
D. （-0.5，0.5）
解析：错误
A. 分类
B. 聚类
C. 概率
D. 信息熵
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
解析：基础概念
A. 2017
B. 2018
C. 2019
D. 2020
解析：2017年，人工智能首入政府工作报告意味着其已经 上升至国家战略高度。
A. R={(1,2)，(2,3)，(3,4),(4,5)，(6,5)}
B. R={(1,2)，(2,3),(6,5),(3,6),(5,4)})
C. R={(5,4)，(3,4)，(3,2)，(4,3)，(5,6)}
D. R={(1,2)，(2,3)，(4,3),(4,5)，(5,6)}
解析：如果一个非空的数据结构满足下列两个条件:1)有且只有一个根节点;2)每一个结点最多有一个前件，也最多有一个后件。则称该数据结构为线性结构。数据的逻辑结构有两个要素:一是数据元素的集合，通常记为D;二是D上的关系，它反映了D中各元素之前的前后件关系，通常记为R。即一个数据结构可以表示成B=(D,R)，其中B表示数据结构。为了反映D中各元素之间的前后件关系，一般用二元组来表示。例如，假设a与b是D中的两个数据，则二元组(a, b)表示a是b的前件，b是a的后件。
A. 有监督学习
B. 无监督学习
C. 强化学习
D. 深度学习
解析：无监督学习和强化学习不需要标注
A. Spark核心层
B. 资源计算层
C. 服务核心层
D. Spark层
