A、防止模型欠拟合而加在损失函数后面的一项
B、L1范数符合拉普拉斯分布，是完全可微的
C、L1正则化项是模型各个参数的平方和的开方值
D、L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
答案：D
解析：A、防止模型过拟合而加在损失函数后面的一项；B、L1范数符合拉普拉斯分布，是不完全可微的；C、L2正则化项是模型各个参数的平方和的开方值。
A、防止模型欠拟合而加在损失函数后面的一项
B、L1范数符合拉普拉斯分布，是完全可微的
C、L1正则化项是模型各个参数的平方和的开方值
D、L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
答案：D
解析：A、防止模型过拟合而加在损失函数后面的一项；B、L1范数符合拉普拉斯分布，是不完全可微的；C、L2正则化项是模型各个参数的平方和的开方值。
A. 脱敏数据
B. 数据订阅
C. 知识库
D. 决策支持
A. SIFT
B. HOG
C. SVM
D. Adaboost
解析：见算法解析
A. 零次数据
B. 一次数据
C. 二次数据
D. 三次数据
解析：前n行数据
A. A．a%0.001 B．a//0.001 C．round(a,3) D．round(3,a)
解析：本题主要考查Python函数。round(x,n)方法返回 x 的小数点四舍五入到n个数字，故要实现将实数型变量a的值保留三位小数，可以使用语句round(a,3)，故本题选C选项。
解析：正确
解析：正确
A. 基于数据挖掘的专家智能控制
B. 基于遗传算法的软计算控制
C. 基于人工神经网络的神经网络控制
D. 以上说法都不对
解析：基础概念
A. 卷积神经网络
B. 循环神经网络
C. word2vec
D. bert
解析：通常使用的处理图像数据的网络模型是卷积神经网络
