深度学习的先驱吴恩达认为，人工智能类似于第二次工业革命中电力的发明，本身是一项突破性的技术，一旦被大幅采用，就能革新许多不同的产业。

A. 数据$;$设备$;$计算机$;$技术

A. 数据分布本身随时间变化，需要程序不停的重新适应，比如预测商品销售的趋势$;$规则复杂程度低，且问题的规模较小的问题$;$任务的规则会随时间改变，比如生产线上的瑕疵检测$;$规则十分复杂或者无法描述，比如人脸识别和语音识别

A. GaussianNB $;$BernoulliNB $;$MultinomialNB $;$BaseDiscreteNB

A. 算法的基本思想$;$经典Apriori核心算法$;$现存的改进频集算法$;$多层关联规则$;$多维关联规则

A. GBDT 算法比随机森林容易欠拟合$;$随机森林是并行计算的，而 GBDT 不能$;$GBDT 算法比随机森林容易过拟合$;$GBDT 与随机森林都是建立在 CART 树的基础之上的

A. 纯半监督学习$;$主动学习$;$回归学习$;$分类学习、

A. Python中整型有限制大小$;$append函数用于给列表增加元素$;$del用于删除变量$;$Python中列表无法嵌套

A. 四阶及以上的张量，如四维及以上的向量一样没有直接的几何意义。
$;$数组是一个张量
$;$TensorFlow 中的运算与模型优化过程都是基于张量完成的。
$;$一个矩阵是一个二阶张量。

A. 分类分数$;$最大边长度$;$面积$;$nan