A、基于实例学习
B、概念学习
C、决策树学习
D、人工神经网络学习
答案：C
A、基于实例学习
B、概念学习
C、决策树学习
D、人工神经网络学习
答案：C
A. 片上存储
B. 芯片设计
C. 人工智能
D. 泛在互联
解析：随着大数据、人工智能、量子计算等新技术的快速发展，人类社会已经步入了第四次工业革命时代
A. 后续检验
B. Friedman检验
C. 交叉验证t检验
D. McNemar检验
解析：见算法解析
A. 特征工程指的是把原始数据转变为模型的训练数据的过程
B. 它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限
C. 特征工程在机器学习中占有非常重要的作用，一般认为括特征构建、特征提取、特征选择三个部分。
D. 特征提取是从特征集合中挑选一组具有明显物理或统计意义的特征子集。
解析： Precision不变时，Recall越大，1/Recall越小，从而F1越大；Recall不变时，Precision越大，1/Precision越小，从而F1越大。精确率越高越好，召回率越高越好。正确
A. 清洗
B. 变换
C. 集成
D. 脱敏
A. 0.157
B. 0.167
C. 0.177
D. 0.187
解析：按照条件概率乘法法则P(A∩B) = P(A)*P(B|A)=P(B)*P(A|B)，如上公式也可变形为：P(A)=P(A|B)*P(B)/P(B|A)。设事件A表示该航班被接收，事件Bi表示测试的人中有i个阳性，利用含完备事件组的贝叶斯公式可算出这趟航班被接收的概率为0.187
A. 单一变量
B. 部分变量
C. 全部变量
D. 边缘变量
解析：边缘分布（Marginal Distribution）指在概率论和统计学的多维随机变量中，只包含其中部分变量的概率分布。
A. 曲线性的
B. 正态性的
C. 非线性的
D. 离散性的
A. word2vec
B. TransD
C. TransH
D. TransE
解析：word2vec属于文字的向量表示。
