A、可以处理高维度的属性，并且不用做特征选择
B、随机森林的预测能力不受多重共线性影响
C、也擅长处理小数据集和低维数据集的分类问题
D、能应对正负样本不平衡问题
答案：C
A、可以处理高维度的属性，并且不用做特征选择
B、随机森林的预测能力不受多重共线性影响
C、也擅长处理小数据集和低维数据集的分类问题
D、能应对正负样本不平衡问题
答案：C
A. TCP
B. UDP
C. SMB
D. ICMP
解析：ICMP(Internet Control Message Protocol)协议是因特网控制报文协议，ICMP常被认为是网络层协议
解析：错误
A. +=
B. _=
C. *=
D. X=
A. 二项
B. 泊松
C. 正态
D. 指数
解析：泊松分布（法语：loi de Poisson；英语：Poisson distribution）又称Poisson分布、帕松分布、布瓦松分布、布阿松分布、普阿松分布、波以松分布、卜氏分布、帕松小数法则（Poisson law of small numbers），是一种统计与概率学里常见到的离散概率分布
A. 增加网络层数，可能会增加测试集分类错误率
B. 增加网络层数，一定会增加训练集分类错误率
C. 减少网络层数，可能会减少测试集分类错误率
D. 减少网络层数，一定会减少训练集分类错误率
解析：一般来说，神经网络层数越多，模型越复杂，对数据的分类效果越好。所以，从最简单的层数开始，增加网络层数都能使得训练误差和测试误差减小。但是，神经网络层数过多容易造成过拟合，即对训练样本分类效果很好，误差小，但是测试误差很大。
为了避免发生过拟合，应该选择合适的神经网络层数并使用正则化技术来让神经网络更加稳健。
A. 根节点
B. 叶节点
C. 父节点
D. 子节点
A. 电网模拟仿真器
B. 新能源发电预测/母线复合预测
C. 多能互补的发用电平衡
D. 异常事件/故障下的辅助决策模型
解析：主要应用
A.
5秒
B. 6秒
C. 7秒
D. 8秒
解析：如果本次任务大于了GPU最多一次执行的任务数3，那么就得将这次任务交给下一次的任务处理，前三组任务都没有遗留，第四组任务剩余了4-3=1个任务没处理，第五组任务剩余了1+5-3=3个任务没处理，这3个任务需第6秒处理完成。
A. 符号主义
B. 联结主义
C. 行为主义
D. 仿生主义
