A、线性回归
B、逻辑回归
C、岭回归
D、随机森林
答案：B
A. 一对一
B. 一对其余
C. 一对多
D. 多对多
解析：见算法解析
A. 梯度下降法
B. 拟牛顿法
C. 启发式优化方法
D. EM算法
解析：EM算法
A. Java
B. 数据处理
C. 科学计算
D. Python
解析：见函数库
A. 可以使用字典对象的 items()方法可以返回字典的“键-值对
B. 可以使用 has_key()方法来检验一个键值对是否存在
C. 可以使用字典对象的 keys()方法可以返回字典的“键
D. 可以使用字典对象的 values ()方法可以返回字典的“值”
解析：见函数库
A. 专家系统
B. 机器系统
C. 智能芯片
D. 人机交互
A. 输入层
B. 卷积层
C. 隐藏层
D. 输出层
解析：见算法解析
A. 输入文件
B. Map阶段
C. 中间处理
D. Reduce阶段
A. 梯度下降算法是一种使得损失函数最小化的方法
B. 梯度反方向是函数值下降最快方向
C. 梯度方向是函数值下降最快方向
D. 梯度下降算法用来优化深度学习模型的参数
A. 评估—前向后向算法
B. 解码—维特比算法
C. 学习—Baum-Welch 算法
D. 学习—前向后向算法
A. 若λ=0，则等价于一般的线性回归
B. 若λ=0，则不等价于一般的线性回归
C. 若λ=+∞，则得到的权重系数很小，接近于零
D. 若λ=+∞，则得到的权重系数很大，接近与无穷大
解析：岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法 ，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数 更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法 。
