答案:A
A. 指数级
B. 对数级
C. 线性级
D. 平方级
解析:见算法解析
A. 是数据结构设计
B. 是数据格式处理
C. 是编程语言
D. 用易于计算机处理的方式来描述人脑的知识
A. 元素的个数
B. 步长
C. 第一个元素
D. 最后一个元素
解析:见算法解析
A. 计算量太大
B. 验证集和测试集表现很差
C. 验证集表现良好,测试集表现很差
D. 验证集表现很差,测试集表现很好
A. 从偏差-方差分解的角度看,Boosting主要关注降低偏差
B. 从偏差-方差分解的角度看,Bagging主要关注降低方差
C. 随机森林简单、容易实现、计算开销小
D. Boosting不能基于泛化性能相当弱的学习器构建出很强的集成
解析:从偏差一方差分解的角度看,Boosting主要关住降低偏差,因此Boosting能基于泛化性能相当弱的学习器构建出很强的集成
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. 数据的准备
B. 预测模型开发
C. 模型验收
D. 评估
A. 卷积神经网络
B. 循环神经网络
C. 深层神经网络
D. 浅层神经网络
解析:循环神经网络具有记忆性、参数共享并且图灵完备,因此在对序列的非线性特征进行学习时具有一定优势 。循环神经网络在自然语言处理(,例如语音识别、语言建模、机器翻译等领域有应用,也被用于各类时间序列预报