在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本为 10w条数据,负样本只有 1w条数据,以下最合适的处理方法是
A. 将负样本重复 10 次,生成 10w 样本量,打乱顺序参与分类&;&直接进行分类,可以最大限度利用数据&;&从 10w 正样本中随机抽取 1w 参与分类&;&将负样本每个权重设置为 10,正样本权重为 1,参与训练过程
解析：基础概念
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-1d40-c021-5dd340f2241a.html
点击查看答案
下列关于极大似然估计（Maximum Likelihood Estimate，MLE），说法正确的是
A. MLE可能并不存在
B. MLE总是存在
C. 如果MLE存在，那么它的解可能不是唯一的
D. 如果MLE存在，那么它的解一定是唯一的
解析：如果极大似然函数L(θ)在极大值处不连续，一阶导数不存在，则MLE不存在；L(θ)极大值不唯一，MLE并不唯一，例如极大值对应两个θ。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-b030-c021-5dd340f2240b.html
点击查看答案
假设你训练SVM后，得到一个线性决策边界，你认为该模型欠拟合。在下次迭代训练模型时，应该考虑：（）
A. 增加训练数据
B. 减少训练数据
C. 计算更多变量
D. 减少特征
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-0da0-c021-5dd340f22400.html
点击查看答案
使用列表对象的remove()方法可以删除列表中首次出现的指定元素，如果列中不存在要删除的指定元素则抛出异常。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-fe50-c021-5dd340f22425.html
点击查看答案
简单来说，机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。
解析：正确
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-da30-c021-5dd340f22437.html
点击查看答案
假定你在神经网络中的隐藏层中使用激活函数 X。在特定神经元给定任意输入，你会得到输出「-0.0001」。X 可能是以下哪一个激活函数？
A. ReLU
B. tanh
C. SIGMOID
D. 以上都不是
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-cb38-c021-5dd340f22416.html
点击查看答案
普通的循环神经网络会遇到梯度爆炸和梯度消失的问题，所以现在在自然语言处理领域，一般会使用LSTM网络模型。
解析：长短时记忆网络（Long Short Term Memory，简称LSTM）模型，本质上是一种特定形式的循环神经网络（Recurrent Neural Network，简称RNN)。 LSTM模型在RNN模型的基础上通过增加门限（Gates）来解决RNN短期记忆的问题，使得循环神经网络能够真正有效地利用长距离的时序信息。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-edb8-c021-5dd340f2242f.html
点击查看答案
以下哪种是标准正态分布？
A. μ=0,σ=1
B. μ=1,σ=0
C. μ=0,σ=0
D. μ=1,σ=1
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-3b78-c021-5dd340f22409.html
点击查看答案
声纹识别（Voiceprint Recognition），是一项提取说话人声音特征和说话内容信息，自动核验说话人身份的技术
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f970-c021-5dd340f22437.html
点击查看答案
在函数内部没有办法定义全局变量。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1e-0238-c021-5dd340f22400.html
点击查看答案
