A、对颜色的数据增强
B、添加噪声（高斯噪声）
C、水平垂直翻转
D、随机旋转、裁剪
答案：ABCD
解析：见算法解析
A、对颜色的数据增强
B、添加噪声（高斯噪声）
C、水平垂直翻转
D、随机旋转、裁剪
答案：ABCD
解析：见算法解析
A. Adaboost
B. 决策树
C. 随机森林
D. XGBoost
解析：见算法解析
A. 随机森林
B. Adaboost
C. kNN
D. XGBoost
解析：集成方法分类为：Bagging(并行训练)：随机森林，Boosting（串行训练）：Adaboost， GBDT: XgBoost,Stacking,Blending
A. /和/boot
B. /和/swap
C. /home和/usr
D. /var和/trap
解析：解析：1，/，根分区，一般所有文件都放在根目录下。
2，swap，虚拟内存，交换分区，一般大小为机器内存的1-2倍。
起码有如上两个分区才可以安装linux系统
A. 随机填补是在均值填补的基础上加上随机项
B. 通过增加缺失值的随机性来改善缺失值分布过于集中的缺陷
C. 可采用贝叶斯 Bootstrap 方法
D. 以上说的都不对
A. 卷积神经网络
B. 循环神经网络
C. word2vec
D. bert
解析：通常使用的处理图像数据的网络模型是卷积神经网络
解析：决策树,是一种有监督分类算法。在决策树算法中,需要先构建一个树形结构,其中每个结点都代表某一特征值的一种结果,故命名为决策树。决策树是机器学习中的一个重要分类方法。正确
A. 聚类
B. 回归
C. 递归
D. KNN
解析：见算法解析
A. boosting方法的主要思想是迭代式学习。
B. 训练基分类器时采用并行的方式。
C. 测试时，根据各层分类器的结果的加权得到最终结果。
D. 基分类器层层叠加，每一层在训练时，对前一层基分类器分错的样本给予更高的权值。
A. 标准差
B. 方差
C. 偏差
D. 平方差
解析：方差反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性。反应预测的波动情况。
