答案:A
A. 特征抽取
B. 特征选择
C. 特征降维
D. 特征简化
解析:见算法解析
A. LS=0
B. LS<1
C. LS=1
D. LS>1
解析:根据主观Bayes中LS定义可知
A. 格点搜索
B. 交叉验证
C. 针对预测误差评估的度量函数
解析:正确
A. 顶点
B. 关系点
C. 连接点
D. 实体
A. 各基分类器之间有较强依赖,不可以进行并行训练。
B. 最著名的算法之一是基于决策树基分类器的随机森林。
C. 当训练样本数量较少时,子集之间可能有重叠。
D. 为了让基分类器之间互相独立,需要将训练集分为若干子集。
A. 学习方式分类
B. 网络结构分类
C. 网络的协议类型分类
D. 网络的活动方式分类
A. 不可以嵌套定义
B. 不可以嵌套调用
C. 不可以递归调用
D. 以上都不对
A. LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B. CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C. 只要参数设置合理,深度学习的效果至少应优于随机算法
D. 随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
解析:只要参数设置合理,深度学习的效果至不一定优于随机算法