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 $;$k 折交叉验证能够有效提高模型的学习能力
答案:ABCD
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 $;$k 折交叉验证能够有效提高模型的学习能力
答案:ABCD
A. plt.vlines()$;$plt.plot_date()$;$plt.contour(X,Y,Z,N)$;$plt.specgram(x,NFFT=256,pad_to,F)
A. 各基分类器之间有较强依赖,不可以进行并行训练。
$;$ 最著名的算法之一是基于决策树基分类器的随机森林。
$;$ 当训练样本数量较少时,子集之间可能有重叠。
$;$ 为了让基分类器之间互相独立,需要将训练集分为若干子集。
A. 文字$;$图$;$表格$;$树
A. 损失函数$;$无参数函数$;$激活函数$;$矩阵拼接函数
A. EASY原则$;$READ原则$;$BASE原则$;$BASIC原则
A. a[-3]&;&a[2:13]&;&a[::3]&;&a[2-3]
A. 统计学习以方法为中心,统计学习方
法构建模型并应用模型进行预测与分析$;$统
计学习的目的是对数据进行预测与分析$;$统计学习以模型为研究对象,是算法驱动的学科$;$统计学习以计算机及网络为平台,是建立在计算
机及网络之上的
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. 问答(QA)系统的想法是直接从文档、对话、在线搜索和其他地方提取信息,以满足用户的信息需求。QA系统不是让用户阅读整个文档,而是更喜欢简短而简洁的答案。
$;$QA系统相对独立很难与其他NLP系统结合使用,现有QA系统只能处理对文本文档的搜索,尚且无法从图片集合中提取信息。
$;$大多数NLP问题都可以被视为一个问题回答问题。范例很简单:我们发出查询指令,机器提供响应。通过阅读文档或一组指令,智能系统应该能够回答各种各样的问题。
$;$强大的深度学习架构(称为动态内存网络(DMN))已针对QA问题进行了专门开发和优化。给定输入序列(知识)和问题的训练集,它可以形成情节记忆,并使用它们来产生相关答案。
A. list$;$string$;$char$;$dict