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
