A、拉普拉斯分布
B、高斯分布
C、伽玛分布
D、柏拉图分布
答案：A
解析：L1正则化可通过假设权重w的先验分布为拉普拉斯分布，由最大后验概率估计导出。L2正则化可通过假设权重w的先验分布为高斯分布，由最大后验概率估计导出。
A、拉普拉斯分布
B、高斯分布
C、伽玛分布
D、柏拉图分布
答案：A
解析：L1正则化可通过假设权重w的先验分布为拉普拉斯分布，由最大后验概率估计导出。L2正则化可通过假设权重w的先验分布为高斯分布，由最大后验概率估计导出。
A. 损失函数
B. 优化函数
C. 反向传播
D. 梯度下降
A. 欧式距离
B. 夹角余弦(Cosine)
C. 信息熵
D. 曼哈顿距离
A. 支持向量机可以用于处理二分类及多分类问题
B. 支持向量机只能用于线性可分的分类问题
C. 支持向量机可用于回归问题
D. 核函数的选择对支持向量机的性能影响较大
解析：支持相量机不仅用于线性可分的分类问题，也可用于线性不可分的情况。
A. F(x)^2
B. F(x)F(y)
C. 1-[1-F(x)]^2
D. [1-F(x)][1-F(y)]
解析：只有A正确, Fz(x)=P{Z≤x}=P{max{X,Y}≤x}=P{X≤x,Y≤x}=P{X≤x}P{Y≤x}=F(x)^2
A. 偏差
B. 方差
C. 采样样本
D. 权值分布
解析：在分类学习中，提升方法通过反复修改训练数据的权值分布，构建一系列基本分类器并将它们线性组合，形成一个强分类器。
A. 效果评估
B. 建立模型
C. 损失函数
D. 参数学习
解析：见算法解析
A. EI 智能体
B. OBS 对象存储服务
C. 云数据库
D. EI 大数据服务
A. 生成模型
B. 判别模型
C. 两者都不属于
D. 两者都属于
