方差度量了学习算法的期望预测与真实结果的偏离程度,即刻画了学习算法本身的拟合能力。

A. 算法精度提升$;$梯度消失风险越大$;$计算时间越长$;$参数越多

A. 知识图谱推理$;$图数据存储与查询$;$知识图谱融合$;$基于图的知识表示

A. 0，1$;$1，0$;$0，0$;$1，1

A. 过拟合$;$可能过拟合可能欠拟合$;$刚好拟合$;$欠拟合

A. -d$;$ -p$;$ -u$;$-c

A. numpy$;$pandas$;$Matplotlib$;$PIL

A. 5+5j > 2-3j $;$3>2>2 $;$(3,2) > (2,4) $;$ ＇abc＇ > ＇ab0＇

A. 随机森林分类器
$;$卷积神经网络
$;$梯度爆炸
$;$上述所有方法

A. 降低特征维度
$;$ 增加样本数量
$;$ 添加正则项
$;$ 增加特征维度