答案：A
解析：正确
答案：A
解析：正确
A. 决策树是一种监督式学习
B. 监督式学习不可以使用交叉验证进行训练
C. 监督式学习是一种基于规则的算法
D. 监督式学习不需要标签就可以训练
A. 关系
B. 逻辑
C. 分析
D. 决策
解析：主要应用
A. print(names[-1])
B. print(names[0])
C. print(names[len(names)])
D. print(names[len(names)-1])
解析：见函数库
A. 点
B. 线
C. 平面
D. 超平面
A. 特征稠密
B. 特征稀疏
C. 词之间相互独立，没有顺序关系
D. 不能表征词与词之间的关系，one-hot之间正交
解析：见算法解析
A. 在实际场景下，应尽量使用ADAM，避免使用SGD
B. 同样的初始学习率情况下，ADAM的收敛速度总是快于SGD方法
C. 相同超参数数量情况下，比起自适应的学习率调整方式，SGD加手动调节通常会取得更好效果
D. 同样的初始学习率情况下，ADAM比SGD容易过拟合
解析：相同超参数数量情况下，比起自适应的学习率调整方式，SGD加手动调节通常会取得更好效果
A. 修理专家系统
B. 预测专家系统
C. 调试专家系统
D. 规划专家系统
A. 期望值
B. 最大值
C. 最小值
D. 总和
A. 有监督
B. 无监督
C. 半监督
D. 都不是
A. 在训练神经网络过程中，参数不断调整，其调整的依据是基于损失函数不断减少
B. 每一次Epoch都会对之前的参数进行调整，迭代次数越多，损失函数一般越小
C. 模型参数量越多越好，没有固定的对应规则
D. 训练好的神经网络模型存储于一定结构的神经元之间的权重和神经元的偏置中
解析：几乎模型每个操作所需的时间和内存代价都会随模型参数量的增加而增加
