关于线性回归的描述,以下说法正确的有:
A. 基本假设包括随机干扰项是均值为0,方差为1的标准正态分布$;$基本假设包括随机干扰项是均值为0的同方差正态分布$;$多重共线性会使得参数估计值方差减小$;$基本假设包括不服从正态分布的随机干扰项
https://www.shititong.cn/cha-kan/shiti/0005e939-e31f-ad68-c07f-52a228da6026.html
点击查看答案
在Python中，import date time，假设
a=datetime.date(2017,3,22)，则（）语句可以把日期a加3天（即输出结果为：2017-03-25）
A. a = a + datetime.timedelta(3)
$;$a = a + datetime.timedelta(3,0,0) $;$a = a + datetime.timedelta(0,0,3)$;$a = replace(2017,3,25)
https://www.shititong.cn/cha-kan/shiti/0005e939-eea4-f8f0-c07f-52a228da6020.html
点击查看答案
假设x是含有5个元素的列表，那么切片操作x[10:]是无法执行的，会抛出异常
https://www.shititong.cn/cha-kan/shiti/0005e939-eea4-e950-c07f-52a228da6011.html
点击查看答案
（）反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性。反应预测的波动情况。
https://www.shititong.cn/cha-kan/shiti/0005e939-e59c-f5f0-c07f-52a228da6014.html
点击查看答案
rcnn网络用（）结构生成候选框？
A. RPN$;$NMS$;$SelectiveSearch$;$RCNN
https://www.shititong.cn/cha-kan/shiti/0005e939-e59d-01a8-c07f-52a228da6019.html
点击查看答案
深度学习与机器学习算法之间的区别在于，后者过程中无需进行特征提取工作，也就是说，我们建议在进行深度学习过程之前要首先完成特征提取的工作。
https://www.shititong.cn/cha-kan/shiti/0005e939-e59c-e268-c07f-52a228da6031.html
点击查看答案
目标检测存在的挑战有（）
https://www.shititong.cn/cha-kan/shiti/0005e939-e59d-0d60-c07f-52a228da600e.html
点击查看答案
朴素贝叶斯分类器将会比判别模型，譬如逻辑回归收敛得更快，因此你只需要更少的训练数据。其主要缺点是它学习不了特征间的交互关系。
https://www.shititong.cn/cha-kan/shiti/0005e939-e59c-bb58-c07f-52a228da6009.html
点击查看答案
元宇宙本质上是对现实世界虚拟化、数字化的过程。
https://www.shititong.cn/cha-kan/shiti/0005e939-f46a-57f8-c07f-52a228da6008.html
点击查看答案
Dropout为在神经网络过程中有一定概率暂时消除神经节点，减少神经元之间的相互作用。
https://www.shititong.cn/cha-kan/shiti/0005e939-e59c-cee0-c07f-52a228da6025.html
点击查看答案
