k均值聚类算法是一种典型的EM算法

A. 如果原始空间是有限维，即属性数有限，那么一定存在一个高维特征空间使样本可分 $;$ 某个核函数使训练集在特征空间中线性可分，可能原因是欠拟合 $;$ “软间隔”允许某些样本不满足约束$;$正则化可理解为一种“罚函数法

A. 可视化$;$AR/VR$;$数字孪生$;$区块链

A. 增加训练集量$;$减少神经网络隐藏层节点数$;$删除稀疏的特征$;$SVM算法中使用高斯核/RBF核代替线性核

A. 属于结构自适应网络，网络结构也是其优化目标；$;$主要成分为级联、相关、归约；$;$无需设置网络层数、隐层神经元数目；$;$训练速度快，但数据较小时容易陷入过拟合；

A. -7
$;$ -6
$;$ 6
$;$ 7

A. pip install xxx$;$conda install xxx$;$python install xxx$;$ipython install xxx

A. 多分枝结构$;$残差连接$;$BatchNormalization$;$SigMoid激活函数