A、paddle.nn.functional.mse_loss
B、paddle.nn.functional.softmax_with_cross_entropy
C、paddle.nn.CrossEntropyLoss
D、paddle.nn.functional.cross_entropy
答案：BCD
解析：paddle.nn.functional.softmax_with_cross_entropy，paddle.nn.CrossEntropyLoss，paddle.nn.functional.cross_entropy均可用于多分类问题
A、paddle.nn.functional.mse_loss
B、paddle.nn.functional.softmax_with_cross_entropy
C、paddle.nn.CrossEntropyLoss
D、paddle.nn.functional.cross_entropy
答案：BCD
解析：paddle.nn.functional.softmax_with_cross_entropy，paddle.nn.CrossEntropyLoss，paddle.nn.functional.cross_entropy均可用于多分类问题
解析：输入门是用来控制输入i’(t)进出多少或者是否允许进出的门控设备；
输出门是用来控制t时刻状态值m(t)对外多少是可见的门控设备；
遗忘门是控制RNN中历史状态m(t-1)流动到t时刻后允许多少进入t时刻的门控设备；
A. 2
B. 3
C. 5
D. 6注：（已导入numpy库）import numpy as np
解析：见函数库
A. 生成模型
B. 判别模型
C. 两者都不属于
D. 两者都属于
解析：不支持
A. pd.combine
B. pd.concat
C. pd.merge
D. pd.agg
A. t+1时刻状态取决于t时刻状态
B. t-1时刻状态取决于t+1时刻状态
C. t+2时刻状态取决于t时刻状态
D. t+1时刻状态和t时刻状态相互独立
解析：马尔可夫链的同时定义了马尔可夫性质，该性质也被称为“无记忆性”，即t+1步的随机变量在给定第t步随机变量后与其余的随机变量条件独立
A. 原子命题
B. 谓词
C. 量词
D. 原子公式
解析：见算法解析
A. 根据特征向量X计算样本之间的相似性，选择离中心点最相似的k个样本
B. k近邻既可以用于分类，也可以用于回归
C. k近邻用于分类时，对于新的样本，计算离其最近的k个样本的平均值，作为新样本的预测值
D. k近邻用于分类时，对于新的样本，根据其k个最近邻样本的类别，通过多数表决的方式预测新样本的类别
A. 经验误差
B. 泛化误差
C. 精度误差
D. 特定误差
解析：Python变量使用前无需先声明
