A、精度$;$ROC$;$MSE$;$AUC
答案:C
A. 卷积神经网络&;&循环神经网络&;&全连接神经网络&;&卷积和循环神经网络
A. 关系型$;$实践型$;$参考型$;$互联型
A. 指数损失函数$;$均方损失函数$;$对数损失函数$;$Hinge 损失函数
A. boosting方法的主要思想是迭代式学习。
$;$ 训练基分类器时采用并行的方式。
$;$ 测试时,根据各层分类器的结果的加权得到最终结果。
$;$ 基分类器层层叠加,每一层在训练时,对前一层基分类器分错的样本给予更高的权值。
A. 强化学习$;$深度学习$;$监督学习$;$无监督学习
A. sklearn$;$xgboost$;$lightgbm$;$numpy
A. 正向推理$;$逆向推理$;$双向推理$;$简单推理
A. 字符串
$;$整型
$;$列表
$;$元组
A. 正确$;$错误