A、模型应该简单(防止过拟合)；
B、在训练时最小化错误率(提高在训练集上的准确率)
C、可以利用已知的数据特性，例如稀疏、低秩等
D、将模型函数正则化
答案：ABCD
解析：见算法解析
A、模型应该简单(防止过拟合)；
B、在训练时最小化错误率(提高在训练集上的准确率)
C、可以利用已知的数据特性，例如稀疏、低秩等
D、将模型函数正则化
答案：ABCD
解析：见算法解析
A. 重赋权法, 重采样法
B. 重采样法,重赋权法
C. 赋权法, 采样法
D. 采样法, 赋权法
A. 强化训练
B. 加强训练
C. 强化学习
D. 加强学习
解析：见算法解析
A. 0.6
B. 0.7
C. 0.8
D. 0.9
A. 千万元级
B. 亿元级
C. 百亿元级
D. 千亿元级
A. 仿射层
B. 卷积层
C. RNN层
D. 均不对
A. python程序有时也称脚本，是一系列定义和命令
B. python解释器有时也称shell,用来求值定义并执行命令
C. 若python 对象属于布尔类别（bool),那它也属于非标量对象
D. float表示实数，其字面量总是包括一个小数点，属于标量对象
A. 相容
B. 相等
C. 互斥
D. 包含
解析：测试集来测试学习器对新样本的判别能力，然后以测试集上的测试误差作为泛化误差的近似,测试集应该尽可能与训练集互斥，即测试样本尽量不在训练集中出现、未在训练过程中使用过
A. 数据驱动
B. 数据密集式
C. 数据挖掘
D. 数据范式
A. 序列数据的输入和输出通常是不固定的，有的序列长，有的序列短
B. 全连接网络的根本不能处理任何序列数据
C. 全连接网络的层次太深导致梯度消失，所以不能处理序列问题
D. 命名实体识别问题是一个无法解决的问题，全连接网络也不能解决这个问题
解析：序列数据的输入和输出通常是不固定的，有的序列长，有的序列短，因此不能用多层全连接网络解决命名实体识别问题
