答案：B
答案：B
A. 构建协方差矩阵
B. 矩阵分解得到特征值和特征向量
C. 特征值排序
D. 特征值归一化
A. 损失函数是用泰勒展式二项逼近，而GBDT只是一阶导数
B. 对树的结构进行了正则化约束，防止模型过度复杂，降低了过拟合的可能性;$节点分裂的方式不同，GBDT是用的基尼系数，XGBoost是经过优化推导后的
C. XGBoost使用网格搜索，只能检测有限个值
解析：XGBoost类似于GBDT的优化版，不论是精度还是效率上都有了提升。与GBDT相比，具体的优点有：
1.损失函数是用泰勒展式二项逼近，而不是像GBDT里的就是一阶导数；
2.对树的结构进行了正则化约束，防止模型过度复杂，降低了过拟合的可能性；
3.节点分裂的方式不同，GBDT是用的基尼系数，XGBoost是经过优化推导后的。
A. 特征选择嵌入法
B. 无监督学习
C. 监督学习
D. 特征选择过滤法
A. MTCNN
B. FasterRCNN
C. MaskRCNN
D. AlexNet
解析：见算法解析
A. 前向神经网络
B. 反馈神经网络
C. 自组织神经网络
D. 生物神经网络
解析：神经网络可以分为4种类型，前向型、反馈型、随机型、自组织型。
A. JPG
B. png
C. GIF
D. BMP
解析：主要应用
解析：通过矩阵的奇异值分解到达降维的目的
A. 医学诊断;
B. 人脸认证;
C. 辅助驾驶;
D. 广告营销
解析：见算法解析
A. 大数据技术
B. 物联网技术
C. 数据挖掘技术
D. 人工智能技术
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
