A、Kmeans
B、决策树
C、支持向量机
D、KNN
答案：BCD
A、Kmeans
B、决策树
C、支持向量机
D、KNN
答案：BCD
A. list.append(obj1,obj2)
B. list.append([obj1,obj2])
C. list.extend(obj1,obj2)
D. list.extend([obj1,obj2])
解析：基础概念
A. K-Means聚类法对噪声和离群点敏感
B. K-Means聚类法对变量的要求比较高
C. 由K-Means聚类法得到的聚类结果，轮廓系数都不是很大。
D. 应用K-Means聚类法需要预先设定聚类个数
解析：k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。
A. 多源异构
B. 多源同构
C. 异源同构
D. 异源异构
A. npusim info
B. npu
info
C. atlas-
Driver info
D. atlas info
A. 隐状态向量
B. 状态向量
C. 显状态向量
D. 以上都不对
解析：状态向量控制着整个LSTM单元的状态或者记忆，它会根据每个时刻的输入进行更新。
A. “自底向上”的聚合策略
B. “自底向上”的分拆策略
C. “自顶向下”的聚合策略
D. “自顶向下”的分拆策略
解析：见算法解析
A. 缺失数据的识别
B. 缺失数据的分析
C. 删除或插补缺失数据
D. 缺失数据的忽略
A. 全连接
B. 词嵌入层
C. 卷积层
D. 以上选项均不正确
A. 决策树模型
B. kNN分类
C. Adaboost
D. k-means
解析：Adaboost属于集成学习
