A、采用属性条件独立性假设
B、 假设属性之间相互独立
C、 为了避免条件概率是所以属性上的联合概率
D、 假设属性之间是相关的
答案：D
解析：朴素贝叶斯分类器采用了“属性条件独立性假设”，对
已知类别，假设所有属性相互独立，换言之，假设每个属性独立地对分类结果发生影响
A、采用属性条件独立性假设
B、 假设属性之间相互独立
C、 为了避免条件概率是所以属性上的联合概率
D、 假设属性之间是相关的
答案：D
解析：朴素贝叶斯分类器采用了“属性条件独立性假设”，对
已知类别，假设所有属性相互独立，换言之，假设每个属性独立地对分类结果发生影响
A. 预处理
B. 召回
C. 排序
D. 决策
A. 公平性
B. 真实性
C. 快速性
D. 准确性
解析：检索的公平性和基于反事实学习的检索和推荐模型已经成为信息检索领域重要的研究方向
A. 可以不按顺序查找元素
B. 必须按顺序插入元素
C. 不支持in运算符
D. 所有元素类型必须相同
解析：关于列表数据结构，
A. 可以和核函数结合
B. 通过调参可以往往可以得到很好的分类效果
C. 训练速度快
D. 泛化能力好
解析：SVM的训练速度不快
解析：正确
A. sklearn
B. xgboost
C. lightgbm
D. numpy
解析：见算法解析
A. 卷积可视化解释
B. 反向传播算法
C. 非线性激活函数
D. 深度神经网络
A. 提供更好的分类
B. 减少参数量，实现任意大小的输入
C. 加速模型收敛
D. 增加网络深度
解析：GooLeNet中使用较多小tricks，其中全局平局池化GAP就是一个，使用GAP的优点是减少参数量，实现任意大小的输入
解析：需要在 训练时 添加 model.train()
