A、从总的M个特征中，有放回地抽取m个特征（m<M）
B、从总的M个特征中，无放回地抽取m个特征（m<M）
C、从总的N个样本中，有放回地抽取n个样本（n<N）
D、从总的N个样本中，无放回地抽取n个样本（n<N）
答案：C
A、从总的M个特征中，有放回地抽取m个特征（m<M）
B、从总的M个特征中，无放回地抽取m个特征（m<M）
C、从总的N个样本中，有放回地抽取n个样本（n<N）
D、从总的N个样本中，无放回地抽取n个样本（n<N）
答案：C
A. 数据整理
B. 数据预处理
C. 数据挖掘
D. 数据准备
A. hash
B. disk
C. reduce
D. map
A. 贝叶斯的学习过程为对训练样本计数
B. 估计出每个结点的条件概率
C. 网络结构为已知
D. 评分搜索为求解的常用办法
解析：若网络结构己知，即属性间的依赖关系己知，则贝叶斯网的学习过程相对简单，只需通过对训练样本“计数”，估计出每个结点的条件概率表即可，但在现实应用中我们往往并不知晓网络结构，于是，贝叶斯网学习的首要任务就是根据训练数据集来找出结构最"恰当"的贝叶斯网
A. 无人驾驶
B. 智慧城市
C. 智能家居
D. 对话机器人
A. 27*27*3
B. 28*28*3
C. 27*27*6
D. 28*28*6
解析：循环神经网络中，假设输入是一个32*32*3的图像，3表示RGB三通道，卷积核的结构是5*5*3，共6个不同的卷积核，一个卷积核产生一个feature map，则输出的feature map 矩阵的结构是28*28*6 。
A. 具有局部感受野
B. 对事物不同部分的观察之间能实现参数共享
C. 可有效捕捉序列化数据的特征
D. 操作复杂度与输入尺寸无关
A. 入侵检测
B. 语音合成
C. 语音翻译
D. 智能客服
A. FP-growth
B. DBSCAN
C. Apriori
D. GDBT
解析：见算法解析
解析：传统的语音合成系统包括前端部分和后端部分。基于深度学习的语音合成系统是端到端的系统。
