答案:A
解析:正确
A. 对小样本加噪声采样
B. 对大样本进行下采样
C. 进行特殊的加权
D. 采用对不平衡数据集不敏感的算法
解析:见算法解析
A. L1 和 L2 正则的引入都能预防过拟合
B. L1 正则的引入会使得权重产生更多的 0 元素
C. L1 正则兼具特征选择的功能
D. L1 正则项是非凸的,L2 正则项是凸的
解析:数学基础
A. 某点处的梯度方向就是该点处函数值增长最快的方向
B. 标量场的梯度也是标量场
C. 某点处的梯度方向就是过该点的等值面的法向矢量
D. 某点处的梯度大小是指标量函数u在该点处的最大变化率
解析:标量场的梯度是矢量场
A. 缺省规则
B. 序贯覆盖
C. 不放回学习
D. 一阶规则
解析:见算法解析
A. 基于实例学习
B. 概念学习
C. 决策树学习
D. 人工神经网络学习
A. 集成学习通过构建并结合多个学习器来完成学习任务,也称为多分类器系统、基于委员会的学习等
B. 集成中只包含同种类型的个体学习器,如“决策树集成”,“神经网络集成”等,这样的集成是“同质”的
C. 集成中同时包含多种类型的个体学习器,这样的集成是“异质”的,异质集成的个体学习器一般称为基学习器
D. 随着集成中个体分类器(相互独立)数目T的增大,集成的错误率将指数级下降,最终趋向于零
解析:见算法解析
A. 数学家
B. 统计学家
C. 物理学家
D. 语言学家