A、学习率和w、b一样是参数，是系统自己学习得到的
B、学习率越大系统运行速度越快
C、学习率越小系统一定精度越高
D、学习率的大小是根据不同场景程序员自己设定的，不宜太大或者太小
答案：D
解析：学习率的大小是根据不同场景程序员自己设定的，不宜太大或者太小
A、学习率和w、b一样是参数，是系统自己学习得到的
B、学习率越大系统运行速度越快
C、学习率越小系统一定精度越高
D、学习率的大小是根据不同场景程序员自己设定的，不宜太大或者太小
答案：D
解析：学习率的大小是根据不同场景程序员自己设定的，不宜太大或者太小
A. 陈述性知识是关于表示综合数据库的知识。
B. 过程性知识是关于表示规则部分的知识。
C. 控制知识是关于表示控制策略方面的知识。
D. 规则表达的可以是与待求解的问题有关的客观规律方面的知识，也可以是对求解问题有帮助的策略方面的知识。
A. 高斯核函数
B. 多项式核函数
C. Sigmiod 核函数
D. 线性核函数
A. 卡方
B. 信息增益
C. 平均互信息
D. 期望交叉熵
A. 聚类是非监督学习
B. 分类是非监督学习
C. 聚类是监督学习
D. 以上都不对
A. 词性标注
B. 实体链接
C. 关系抽取
D. 命名实体识别
A. Scipy
B. skimage
C. opencv
D. gensim
解析：gensim主要用来以无监督的方式从原始的非结构化文本当中来学习到文本隐藏层的主题向量表达。
A. GNU＇sNot%d%%＇ % ＇UNIX＇
B. ＇GNU＼＇sNot%d%%＇ % ＇UNIX＇
C. ＇GNU＇sNot%s%%＇ % ＇UNIX＇
D. ＇GNU＼＇sNot%s%%＇ % ＇UNIX＇
A. 构建协方差矩阵
B. 矩阵分解得到特征值和特征向量
C. 特征值排序
D. 特征值归一化
A. 信息增益与训练数据集的信息熵之比
B. 信息增益与训练数据集的经验熵之比
C. 信息增益与训练数据集的条件熵之比
D. 信息增益与训练数据集的交叉熵之比
解析：当熵和条件熵中的概率由数据估计（特别是极大似然估计）得到时，所对应的熵与条件熵分别称为经验熵（empirical entropy）和经验条件熵（empirical conditional entropy）。
