APP下载

首页

IT互联网

计算机知识技术题库

搜索

计算机知识技术题库

题目内容

(

判断题

)

树构造阶段决策树采用自项向下的递归方式从根节点开始在每个节点上按照给定标准选择测试属性，然后按照相应属性的所有可能取值向下建立分枝、划分训练样本，直到一个节点上的所有样本都被划分到同一个类，或者某一节点中的样本数量低于给定值时为止。

答案：A

计算机知识技术题库

根据Open AI数据，在模型训练阶段，模型计算量增长速度远超人工智能硬件算力增长速度，存在万倍差距。

点击查看题目

Adaboost就是从（）出发反复训练，在其中不断调整数据权重或者是概率分布。

点击查看题目

逻辑回归模型是解决什么问题的模型？

点击查看题目

from pandas import DataFrame这个语句的含义是（）

点击查看题目

工智能技术可以做到车辆的精确识别，永远不会出错。

点击查看题目

python处理大文件时一定要注意内存管理, 否则容易出现”内存溢出”等错误。

点击查看题目

人工智能现在的技术应用方向主要有?

点击查看题目

机器学习中L1正则化和L2正则化的区别是？（）

点击查看题目

处理实际问题时，以下什么情况下该使用
机器学习?

点击查看题目

传统科学计算中的建模方法可分为从（）出发的建模和从数据出发的建模两类

题目内容

(

判断题

)

手机预览

计算机知识技术题库

树构造阶段决策树采用自项向下的递归方式从根节点开始在每个节点上按照给定标准选择测试属性，然后按照相应属性的所有可能取值向下建立分枝、划分训练样本，直到一个节点上的所有样本都被划分到同一个类，或者某一节点中的样本数量低于给定值时为止。

答案：A

相关题目

根据Open AI数据，在模型训练阶段，模型计算量增长速度远超人工智能硬件算力增长速度，存在万倍差距。

解析：P12

点击查看答案

Adaboost就是从（）出发反复训练，在其中不断调整数据权重或者是概率分布。

A. 弱分类器

B. 强分类器

C. 多个分类器

D. 单个分类器

解析：Adaboost就是从弱分类器出发反复训练，在其中不断调整数据权重或者是概率分布。

点击查看答案

逻辑回归模型是解决什么问题的模型？

A. 分类问题

B. 聚类问题

C. 回归问题

点击查看答案

from pandas import DataFrame这个语句的含义是（）

A. 从DataFrame类导入pandas类

B. 从pandas库导入DataFrame类

C. 从pandas库导入DataFrame库

D. 从DataFrame库导入pandas类

解析：from 模块名 import 具体的功能

点击查看答案

工智能技术可以做到车辆的精确识别，永远不会出错。

点击查看答案

python处理大文件时一定要注意内存管理, 否则容易出现”内存溢出”等错误。

解析：处理大文件一定要注意内存管理

点击查看答案

人工智能现在的技术应用方向主要有?

A. 自然语言处理

B. 控制系统

C. 计算机视觉

D. 语音识别

点击查看答案

机器学习中L1正则化和L2正则化的区别是？（）

A. 使用L1可以得到稀疏的权值，使用L2可以得到平滑的权值

B. 使用L1可以得到平滑的权值，使用L2可以得到平滑的权值

C. 使用L1可以得到平滑的权值，使用L2可以得到稀疏的权值

D. 使用L1可以得到稀疏的权值，使用L2可以得到稀疏的权值

点击查看答案

处理实际问题时，以下什么情况下该使用
机器学习?

A. 数据分布本身随时间变化，需要程序不停的重新适应，比如预测商品销售的趋势

B. 规则复杂程度低，且问题的规模较小的问题

C. 任务的规则会随时间改变，比如生产线上的瑕疵检测

D. 规则十分复杂或者无法描述，比如人脸识别和语音识别

点击查看答案

传统科学计算中的建模方法可分为从（）出发的建模和从数据出发的建模两类

A. 机理

B. 检索

C. 设计

D. 存储

解析：传统科学计算中的建模方法可分为从机理出发的建模和从数据出发的建模两类

类似热门题库