A、（1）按小时负荷预测（2）日负荷预测（3）周负荷预测（4）月负荷预测
B、(1）日负荷预测（2）周负荷预测（3）月负荷预测（4）年负荷预测
C、(1）超短期负荷预测（2）短期负荷预测（3）中期负荷预测（4）长期负荷预测
D、（1）日负荷预测（2）周负荷预测（3）月负荷预测（4）季负荷预测
答案：C
解析：负荷预测分为短期、超短期、中期、长期负荷预测四类。
A、（1）按小时负荷预测（2）日负荷预测（3）周负荷预测（4）月负荷预测
B、(1）日负荷预测（2）周负荷预测（3）月负荷预测（4）年负荷预测
C、(1）超短期负荷预测（2）短期负荷预测（3）中期负荷预测（4）长期负荷预测
D、（1）日负荷预测（2）周负荷预测（3）月负荷预测（4）季负荷预测
答案：C
解析：负荷预测分为短期、超短期、中期、长期负荷预测四类。
A. 大数据的时间分布往往不均匀，近几年生成数据的占比最高
B. “如何从海量数据中洞见（洞察）出有价值的数据”是数据科学的重要课题之一
C. 数据类型的多样性往往导致数据的异构性，进而加大数据处理的复杂性，对数据处理能力提出了更高要求
D. 数据价值与数据量之间存在线性关系
A. 评估
B. 训练
C. 推理
D. 神经网络
解析：主要应用
A. 多媒体专家系统
B. 实时专家系统
C. 军事专家系统
D. 分布式专家系统
A. RepeatedKFold
B. KFold
C. LeaveOneOut
A. 若λ=0，则等价于一般的线性回归
B. 若λ=0，则不等价于一般的线性回归
C. 若λ=+∞，则得到的权重系数很小，接近于零
D. 若λ=+∞，则得到的权重系数很大，接近与无穷大
解析：岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法 ，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数 更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法 。
A. NLU(自然语言理解)
B. NLP(自然语言处理)
C. DM(中控平台)
D. NLG(自然语言生成)
解析：NLU是NLP的子集，并不等价
解析：n-gram可以表示单词间的位置关系所反映的语义关联
A. 特征稠密
B. 特征稀疏
C. 能够表征词与词之间的相互关系（相似度计算）
D. 泛化性更好,支持语义运算sim
解析：见算法解析
