答案:B
A. 数据处理
B. 网络定义
C. 网络训练
D. 网络评估
解析:基础知识
A. 随机森林只能用于解决分类问题
B. 集成学习通过构建多个模型,并将各个模型的结果使用求平均数的方法集成起来,作为最终的预测结果,提高分类问题的准确率
C. 随机森林由随机数量的决策树组成
D. 随机森林的弱分类器(基分类器)的特征选择不是随机的
A. 任意尺度输入
B. 效率高
C. 结合浅层信息
D. 分割不够精细
解析:主要应用
A. K-means
B. SVR
C. DBSCAN
D. 以上都是
解析:最广泛被使用的分类器有人工神经网络、支持向量机、最近邻居法、GuassianMixtureModel、Gaussian、NaiveBayes、决策树和RBFclassifiers。
A. 存储集合清除
B. 存储整合清除
C. 储蓄集合清洗
D. 存储清洗整合
解析:大数据技术为输入数据在存储清洗整合方面做出了贡献,帮助提升了深度学习算法的性能。
A. 深度学习是机器学习的一个分支
B. 深度学习与机器学习是互相包含的关系
C. 深度学习与机器学习同属于人工智能但相互之间没有关系
D. 以上都不对
A. 2和4
B. 1和2
C. 3和4
D. 1和3
解析:我们可以为每个聚类构建不同的模型, 提高预测准确率。“类别id”作为一个特征项去训练, 可以有效地总结了数据特征。所以B是正确的
A. 具有局部感受野
B. 对事物不同部分的观察之间能实现参数共享
C. 可有效捕捉序列化数据的特征
D. 操作复杂度与输入尺寸无关
A. Microsoft
B. intel
C. NVIDIA
D. AMD
解析:重大事件