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
