A、其他选项都不对
B、没啥问题,神经网络会正常开始训练
C、神经网络可以训练,但是所有的神经元最后都会变成识别同样的东西
D、神经网络不会开始训练,因为没有梯度改变
答案:C
A、其他选项都不对
B、没啥问题,神经网络会正常开始训练
C、神经网络可以训练,但是所有的神经元最后都会变成识别同样的东西
D、神经网络不会开始训练,因为没有梯度改变
答案:C
A. 一年级
B. 二年级
C. 三年级
D. 四年级
A. 增加树的深度
B. 增加学习率
C. 减少树的数量
D. 减小树的深度
解析:一般用决策树进行分类,从根结点开始,对实例的某一特征进行测试,根据测试结果,将实例分配到其子结点。这时,每一个子结点对应着该特征的一个取值。如此递归地对实例进行测试并分类,直至达到叶结点。最后将实例分到叶结点的类中。—— 引自李航 《统计学习方法》
决策树深度越深,在训练集上误差会越小,准确率越高。但是容易造成过拟合,而且增加模型的训练时间。对决策树进行修剪,减小树的深度,能够提高模型的训练速度,有效避免过拟合。
单决策树中,学习率不是一个有效参数。
决策树是单树,随机森林由多个决策树组成。
解析:正确
A. SSVM
B. S2VM
C. S3VM
D. SVMP
解析:见算法解析
解析:通过矩阵的奇异值分解到达降维的目的
A. 黄色通道
B. 蓝色通道
C. 绿色通道
D. 红色通道
解析:一张RGB彩色图片不包含黄色通道。
A. Go
B. Python
C. C/C++
D. Java
解析:错误