A、k值并不是越大越好,k值过大,会降低运算速度$;$选择更大的k值,会让偏差更小,因为k值越大,训练集越接近整个训练样本$;$选择合适的k值,能减小验方差$;$以上说法都正确
答案:D
A、k值并不是越大越好,k值过大,会降低运算速度$;$选择更大的k值,会让偏差更小,因为k值越大,训练集越接近整个训练样本$;$选择合适的k值,能减小验方差$;$以上说法都正确
答案:D
A. 2MB$;$4MB$;$16MB$;$64MB
A. AlexNet$;$ResNet$;$Bert$;$LeNet
A. 图像识别$;$认知模拟$;$规划问题求解$;$数据挖掘
A. RndomForest的中间树不是相互独立的,而GrdientBoostingTrees的中间树是相互独立的$;$两者都使用随机特征子集来创建中间树$;$在GradientBoostingTrees中可以生成并行树,因为它们是相互独立的$;$无论任何数据,GraientBoostingTrees总是优于RanomFores
A. C3有3个残差块$;$C4有4个残差块$;$C5有4个残差块$;$C2有3个残差块
A. 探索;开发$;$开发;探索$;$探索;输出$;$开发;输出
A. 文本识别$;$机器翻译$;$文本分类$;$问答系统
A. Adaboost$;$决策树$;$随机森林$;$XGBoost
A. 机械$;$固态$;$SAS$;$SATA