A、HiAIEngine
B、HiAI
Framework
C、HiAI
Foundation
D、HiAI
Service
答案：A
A、HiAIEngine
B、HiAI
Framework
C、HiAI
Foundation
D、HiAI
Service
答案：A
A. n-2
B. n^2
C. [n/2]注[x]表示对x取整
D. n
解析：见算法解析
A. 贝叶斯
B. 珀尔
C. 马尔可夫
D. 切比雪夫
A. k 值并不是越大越好，k 值过大，会降低运算速度
B. 选择更大的 k 值，会让偏差更小，因为 k 值越大，训练集越接近整个训练样本
C. 选择合适的 k 值，能减小验方差
D. k 折交叉验证能够有效提高模型的学习能力
A. Knn
B. Adaboost
C. 随机森林
D. XGBoost
解析：集成学习方法大致可分为两大类：即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以及个体学习器间不存在强依赖关系、可同时生成的并行化方法；前者代表是 Boosting ，后者代表是 Bagging 和“ 随机森林 ”
A. 前序序列
B. 中序序列
C. 后序序列
D. 以上说法均不正确
解析：所有结点值均大于左子树的所有结点，且小于右子树所有结点，若想该二叉树遍历序列有序（数值从小到大）则需要首先遍历左子树，然后访问根节点，最后遍历右子树。这样的遍历顺序符合中序序列。
A. 颜色特征
B. 形状特征
C. 纹理特征
D. 像素特征
A. 是一个监督学习算法
B. 是一个分类模型
C. 是一个回归模型
D. 主要用来处理时间序列数据样本
解析：正确
A. 极大似然估计先假定其具有某种确定的概率分布形式
B. 极大似然估计没有确定的概率分布形式
C. 概率模型的训练过程就是参数估计
D. 贝叶斯学派认为参数本身也有分布，是未观察的随机变量
解析：估计类条件概率的一种常用策略是先假定其具有某种确定的概率分布形式
