A、大量数据变得可得
B、CPU计算能力的提升
C、GPU计算能力的提升
D、深度学习的发展
答案:ACD
A、大量数据变得可得
B、CPU计算能力的提升
C、GPU计算能力的提升
D、深度学习的发展
答案:ACD
解析:P12
A. 假设属性之间完全独立;
B. 假设属性之间部分相关;
C. 独依赖估计为半朴素贝叶斯最常用的策略;
D. 假设所以属性都依赖于同一个属性;
解析:数学基础
A. numpy
B. sclpy
C. matplotiib
D. skleam
A. 拟合数据的概率分布曲线
B. 证明模型的理论意义
C. 计算性能的突破发展
D. 超高速的数据读取
解析:当前机器学习研究的核心是拟合数据的概率分布曲线。
A. 贝叶斯的学习过程为对训练样本计数
B. 估计出每个结点的条件概率
C. 网络结构为已知
D. 评分搜索为求解的常用办法
解析:若网络结构己知,即属性间的依赖关系己知,则贝叶斯网的学习过程相对简单,只需通过对训练样本“计数”,估计出每个结点的条件概率表即可,但在现实应用中我们往往并不知晓网络结构,于是,贝叶斯网学习的首要任务就是根据训练数据集来找出结构最"恰当"的贝叶斯网
A. 云计算平台(调控云)
B. 调度数据网平台
C. 调度管理系统
D. 能量管理系统
A. 数据处理
B. 数据分析
C. 数据压缩
D. 数据收集