A、判据与分类错误之间呈单调关系，判据越大，分类错误的概率越小
B、特征独立时，判据呈现叠加性
C、判据生成的度量矩阵对称，对角线元素为0，非对角线元素为正
D、加入新特征时，判据不减小。
答案：ABCD
解析：教材原文
A、判据与分类错误之间呈单调关系，判据越大，分类错误的概率越小
B、特征独立时，判据呈现叠加性
C、判据生成的度量矩阵对称，对角线元素为0，非对角线元素为正
D、加入新特征时，判据不减小。
答案：ABCD
解析：教材原文
A. TF-IDF
B. TextRank
C. SSA
D. LDA
解析：SSA（Salp Swarm Algorithm）是一种元启发式算法
A. 决策树
B. k-means
C. 随机森林
D. 逻辑回归
A. 大小和旋转
B. 大小
C. 旋转
D. 缩放
解析：SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。
A. Jaccard系数
B. FM指数
C. Rand指数
D. DB指数
解析：强人工智能包括以下两类：类人的人工智能和非类人的人工智能。
A. bool([ ]) & bool(1)
B. bool([ ]) | bool(1)
C. bool([ ]) && bool(1)
D. bool([ ]) or bool(1)
解析：按照逻辑真值判断即可, 注意C项存在语法错误, 没有输出结果
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：半朴素贝叶斯分类器的基本想法是适当考虑一部分属性问的相互依赖信息，从而既不需进行完全联合概率计算，又不至于彻底忽略了比较强的属性依赖关系
A. 无偏估计
B. 极大似然估计
C. 区间估计
D. 有偏估计
解析：EM算法通过迭代求L(theta)=logP(Y|theta)的极大似然估计，每次迭代交替进行求期望和求极大化。
A. 单阶段模型
B. 双阶段模型
C. 三阶段模型
