A、{1,1,2,3}
B、set ([1,1,2,3])
C、 list({1,1,2,3})
D、list((1,1,2,3))
答案：ABC
解析：基础概念
A、{1,1,2,3}
B、set ([1,1,2,3])
C、 list({1,1,2,3})
D、list((1,1,2,3))
答案：ABC
解析：基础概念
A. and、or、not
B. not、and、or
C. or、and、not
D. or、not、nad
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. 自主学习、判断、执行
B. 决策、判断、执行
C. 自主学习、决策、执行
D. 自主学习、判断、决策
解析：人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。
A. 快速上手的源码
B. 多样的工具链
C. 完善的文档
D. 丰富的 API
解析：错误
A. 搜索每个可能的权重和偏差组合，直到得到最佳值
B. 赋予一个初始值，然后检查跟最佳值的差值，不断迭代调整权重
C. 随机赋值，听天由命
D. 以上都不正确的
解析：机器学习领域和数据库领域是数据挖掘的两大支撑。
A. 隐藏层层数增加，模型能力增加
B. Dropout的比例增加，模型能力增加
C. 学习率增加，模型能力增加
D. 都不正确
