A、Precision= tp / (tp + fp), Recall = tp / (tp + fn)
B、Precision = tp / (tn + fp), Recall = tp /(tp + fn)
C、Precision = tp / (tn + fn), Recall = tp /(tp + fp)
D、Precision = tp / (tp + fp), Recall = tp /(tn + fn)
答案:A
A、Precision= tp / (tp + fp), Recall = tp / (tp + fn)
B、Precision = tp / (tn + fp), Recall = tp /(tp + fn)
C、Precision = tp / (tn + fn), Recall = tp /(tp + fp)
D、Precision = tp / (tp + fp), Recall = tp /(tn + fn)
答案:A
A. 最小
B. 最快
C. 最大
D. 最明显
解析:梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。
A. 视频智能
B. 语音智能
C. 触觉智能
D. 认知智能
A. 增大惩罚参数C
B. 减小惩罚参数C
C. 减小核函数系数(gamma值)
D. 增大核函数系数(gamma值)
解析:
C值小时对误差分类的惩罚减小,当C趋于0时,表示我们不再关注分类是否正确,只要求margin越大,容易欠拟合。
A. 假设与推理学习
B. 概念与分类学习
C. 人工智能
D. 规则推理
解析:load_data()→create_model()→model.fit()→model.predict()
A. break
B. pass
C. continue
D. print
解析:pass是空语句,一般用做占位语句,不做任何事情。