假设我们要解决一个二类分类问题，我们已经建立好了模型，输出是0或1，初始时设阈值为05，超过05概率估计，就判别为1，否则就判别0；如果我们现在用另一个大于05的阈值，那么现在关于模型说法，正确的是？1模型分类的召回率会降低或不变2模型分类的召回率会升高3模型分类准确率会升高或不变 4模型分类准确率会降低

点击查看题目

DSSM经典模型的优点;1.解决了字典爆炸问题，降低了计算复杂度；2.中文方面使用字作为最细切分粒度，可以复用每个字表达的词义，减少分词的依赖，从而提高模型的泛化能力；3.字母的n-gram可以更好的处理新词，具有较强的鲁棒性；4.使用有监督的方法，优化语义embedding的映射问题；5.省去了人工特征工程；6.采用有监督训练，精度较高。

点击查看题目

深度卷积网络的结构中，通常有多个顺序连接的层，下面描述正确的有

点击查看题目

在使用scikit-learn里面的交叉验证对回归模型进行评估时，根据平均绝对误差给模型打分，则下面代码的划线处应填上（），scores的分数越（），说明回归模型的性能越好。代码：scores = cross_val_score(lm, X, y, cv=5, scoring = ＇_______________＇)

题目内容

(

多选题

)

手机预览

唐人街探案之秦风

以下哪项关于决策树的说法是正确的 ( )

A、冗余属性不会对决策树的准确率造成不利的影响

B、子树可能在决策树中重复多次

C、决策树算法对于噪声的干扰非常敏感

D、寻找最佳决策树是NP完全问题

答案：ABD

相关题目

BP神经网络学习算法的优化目标是使实际输出与期望输出之间的误差平方和最小化。（）

点击查看答案

讨论变量之间的关系，主要有三个方法：（）、方差分析和回归分析

A. 参数分析

B. 逻辑分析

C. 假设分析

D. 相关分析

点击查看答案

假设你训练SVM后，得到一个线性决策边界，你认为该模型欠拟合。在下次迭代训练模型时，应该考虑：（）

A. 增加训练数据

B. 减少训练数据

C. 计算更多变量

D. 减少特征

点击查看答案

聚类分析的相异度矩阵是用于存储所有对象两两之间相异度的矩阵，为一个nn维的单模矩阵

点击查看答案

人工智能应用范围较广的计算框架包括（）。

A. TensorFlow

B. PyTorch

C. PaddlePaddle

D. Caffe

点击查看答案

属于Boosting的扩展变体有哪些。

A. AdaBoost

B. 随机森林

C. XGBoost

D. GBDT

解析：Boosting是一族可将弱学习器提升为强学习器的算法，其典型代表包括AdaBoost，XGBoost和

点击查看答案

A. 1

B. 2

C. 1和3

D. 2和4

点击查看答案

A. 1.2.3.4

B. 1.3.4.6

C. 1.2.3.4.5.6

D. 3.4.6

解析：DSSM经典模型的优点;1.解决了字典爆炸问题，降低了计算复杂度；2.中文方面使用字作为最细切分粒度，可以复用每个字表达的词义，减少分词的依赖，从而提高模型的泛化能力；3.字母的n-gram可以更好的处理新词，具有较强的鲁棒性；4.使用有监督的方法，优化语义embedding的映射问题；5.省去了人工特征工程；6.采用有监督训练，精度较高。

点击查看答案

深度卷积网络的结构中，通常有多个顺序连接的层，下面描述正确的有

A. 池化层主要用于降低特征图的分辨率
$;$通常在卷积层之后会增加池化层，有时卷积层后面也可能不跟池化层
C.深度卷积网络中，卷积层是必须的，但是全连接层可有可无
D.非线性激活层可以完成非线性变换

点击查看答案

A. neg_mean_absolute_error，高

B. mean_absolute_error，高

C. mean_absolute_error，低

D. neg_mean_absolute_error，低

点击查看答案