A、样本生成
B、样本管理
C、样本筛选
D、样本标注
答案：BD
解析：主要应用
A、样本生成
B、样本管理
C、样本筛选
D、样本标注
答案：BD
解析：主要应用
A. RndomForest的中间树不是相互独立的，而GrdientBoostingTrees的中间树是相互独立的
B. 两者都使用随机特征子集来创建中间树
C. 在GradientBoostingTrees中可以生成并行树，因为它们是相互独立的
D. 无论任何数据，GraientBoostingTrees总是优于RanomFores
A. 模型选择
B. 验证集选择
C. 验证环境选择
D. 结果展示
解析：主要应用
A. 轨迹跟踪
B. 决策树
C. 数据挖掘
D. K近邻算法
解析：决策树是一种基于树结构进行决策的算法。
A. 贪婪搜索
B. A*搜索
C. 双向搜索
D. 宽度优先搜索
A. 01月12日
B. 01月09日
C. 01月06日
D. 01月04日
解析：将先后两次的点数记为有序实数对(x,y),则共有6*6=36个基本事件，其中点数之和为大于8的偶数有(4,6),(6,4),(5,5),(6,6)共4个，则满足条件的概率为4/36=1/9
A. 2017
B. 2018
C. 2019
D. 2020
解析：2017年，人工智能首入政府工作报告意味着其已经 上升至国家战略高度。
A. 步态识别
B. 声纹识别
C. 文本识别
D. 虹膜识别
A. 主动学习
B. 回归学习
C. 聚类学习
D. 直推学习
解析：见算法解析
A. chmod
B. touch
C. chown
D. cat
