A、专业性$;$跨领域$;$局部性$;$全局性
答案:BD
A、专业性$;$跨领域$;$局部性$;$全局性
答案:BD
A. 随机森林只能用于解决分类问题$;$ 集成学习通过构建多个模型,并将各个模型的结果使用求平均数的方法集成起来,作为最终的预测结果,提高分类问题的准确率$;$ 随机森林由随机数量的决策树组成$;$ 随机森林的弱分类器(基分类器)的特征选择不是随机的
A. [-1,0]$;$[0,1]$;$[-1,1]$;$[-0.5,0.5]
A. 卷积可视化解释$;$反向传播算法$;$非线性激活函数$;$深度神经网络
A. 网络结构不够灵活$;$信息传递缺失$;$网络较浅,特征提取不充分$;$模型参数太多
A. MLE中加入了模型参数本身的概率分布$;$MLE认为模型参数本身概率是不均匀的$;$MLE体现了贝叶斯认为参数也是随机变量的观点$;$MLE是指找出一组参数,使得模型产生出观测数据的概率最大
A. convlayers$;$poolinglayers$;$batchnormalization$;$fullyconnectedlayers
A. 由于负数部分恒为0,会导致一些神经元无法激活$;$输出不是以0为中心$;$解决了梯度消失、爆炸的问题$;$计算方便,计算速度快,求导方便