A、连接主义
B、符号主义
C、行为主义
D、经验主义
答案:B
A、连接主义
B、符号主义
C、行为主义
D、经验主义
答案:B
A. TPU
B. GPU
C. FPGA
D. 大规模分布式集群
解析:激活函数sigmoid,输入值可以小于0.
解析:解析:
Dockerfile 是一个文本文件,其中包含我们需要运行以构建 Docker 映像的所有命令。Docker 使用 Dockerfile 中的指令自动构建镜像。我们可以docker build用来创建按顺序执行多个命令行指令的自动构建。
A. LeNet
B. ResNet
C. VGGNet
D. RNN
A. 前向型
B. 反馈型
C. 自组织竞争型
D. 随机型
A. 状态
B. 类型
C. 种类
D. 属性
解析:岭回归的误差函数的惩罚项是学习参数的平方之和
A. 相关分析
B. 方差分析
C. 回归分析
D. 数据分析
A. 增加树的深度
B. 增加学习率
C. 减少树的数量
D. 减小树的深度
解析:一般用决策树进行分类,从根结点开始,对实例的某一特征进行测试,根据测试结果,将实例分配到其子结点。这时,每一个子结点对应着该特征的一个取值。如此递归地对实例进行测试并分类,直至达到叶结点。最后将实例分到叶结点的类中。—— 引自李航 《统计学习方法》
决策树深度越深,在训练集上误差会越小,准确率越高。但是容易造成过拟合,而且增加模型的训练时间。对决策树进行修剪,减小树的深度,能够提高模型的训练速度,有效避免过拟合。
单决策树中,学习率不是一个有效参数。
决策树是单树,随机森林由多个决策树组成。