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 。