答案:B
A. 贝叶斯模型
B. 拉普拉模型
C. 隐狄利克雷模型
D. 马尔可夫模型
解析:数学基础
A. 基本假设包括随机干扰项是均值为0,方差为1的标准正态分布
B. 基本假设包括随机干扰项是均值为0的同方差正态分布
C. 多重共线性会使得参数估计值方差减小
D. 基本假设包括不服从正态分布的随机干扰项
解析:线性回归的基本假设是随机干扰项是均值为0的同方差正态分布
A. A创造性地做事(CreativeWorking)
B. 仔细地总结(CarefulConclusion)
C. 批判性地思考(CriticalThinking)
D. 好奇性地提出问题(CuriousAsking)
A. 梯度大小
B. 梯度方向
C. 学习率
D. 使用样本数
A. 仅探索
B. 仅利用
C. 全探索
D. 全利用
解析:见算法解析
A. 神经计算
B. 进化计算
C. 模糊计算
D. 数字计算
A. 增加样本数量
B. 增加特征数量
C. 训练更多的迭代次数
D. 采用正则化方法
A. 计算机视觉
B. 自然语言处理
C. 智能语音
D. 知识图谱
解析:主要应用