答案:B
A. 都是人工智能的学习算法
B. 都是深度学习的学习算法
C. 都需要标注数据
D. 都不需要标注信息
A. 建模
B. 测试
C. 聚类
D. 预聚类
A. 100
B. 200
C. 400
D. 800
解析:见算法解析
A. 常量
B. 变量
C. 并行性
D. 串行性
解析:见算法解析
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。
A. 思维
B. 思考
C. 推理
D. 递推
A. 防止模型欠拟合而加在损失函数后面的一项
B. L1范数符合拉普拉斯分布,是完全可微的
C. L1正则化项是模型各个参数的平方和的开方值
D. L1正则化可以产生稀疏权值矩阵,即产生一个稀疏模型,可以用于特征选择
解析:A、防止模型过拟合而加在损失函数后面的一项;B、L1范数符合拉普拉斯分布,是不完全可微的;C、L2正则化项是模型各个参数的平方和的开方值。
A. PCA
B. KPCA
C. ICA
D. RANSAC