A、促进公平公正
B、保护隐私安全
C、确保可控可信
D、强化责任担当
答案：ABCD
解析：《新一代人工智能伦理规范》
A、促进公平公正
B、保护隐私安全
C、确保可控可信
D、强化责任担当
答案：ABCD
解析：《新一代人工智能伦理规范》
A. 从偏差-方差分解的角度看，Boosting主要关注降低偏差
B. 从偏差-方差分解的角度看，Bagging主要关注降低方差
C. 随机森林简单、容易实现、计算开销小
D. Boosting不能基于泛化性能相当弱的学习器构建出很强的集成
解析：见算法解析
解析：ones
A. 视频智能
B. 语音智能
C. 触觉智能
D. 认知智能
A. 遗传算法
B. 分析学习
C. 归纳学习
D. 贝叶斯学习
解析：EM（expectation-maximization）算法是Dempster,Laird和Rubin(DLR)三个人在1977年正式提出的.主要是用于在不完全数据的情况下计算最大似然估计.
A. 我们随机抽取一些样本, 在这些少量样本之上训练
B. 我们可以试用在线机器学习算法
C. 我们应用PCA算法降维, 减少特征数
D. 以上所有
A. Boosting
B. Bagging
C. 随机森林
D. reboot
解析：根据个体学习器的生成方式，目前集成学习大致分为两类，其中一种是个体学习器间存在强依赖关系、必须串行生成的序列化方法，该方法的代表是 Boosting
A. 二项检验
B. t检验
C. 交叉验证t检验
D. 统计假设检验
解析：统计假设检验为我们进行学习器t性能比较提供了重要依据，基于假设检验结果我们可推断出，若在测试集上观察到学习器A比B好，则A的泛化性能是否在统计意义上优于B，以及这个结论的把握有多大
