A、Windows
B、MacOS
C、CentOS
D、Ubuntu
答案:ABCD
解析:基础概念理解
A、Windows
B、MacOS
C、CentOS
D、Ubuntu
答案:ABCD
解析:基础概念理解
解析:在训练过程中会
A. 模型工具
B. 外壳
C. 知识库工具
D. 专用工具
A. 聚合
B. 离散
C. 相关性分析
D. 聚类
A. P(AB)=0
B. P(A|B)=0
C. P(A)+P(B)=1
D. P(A|B)=P(A)
解析:P(A|B)=P(AB)/P(B)=P(A)P(B)/P(B)=P(A)
A. K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象。
B. K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念。
C. K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇。
D. K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇。
A. 神经计算
B. 进化计算
C. 模糊计算
D. 数字计算
A. RPN
B. CNN
C. ResNet
D. RoIpooling
解析:fasterRCNN用于生成候选框proposal的模块是RPN
A. 朴素贝叶斯
B. 支持向量机
C. 以上都不是
D. nan