A、随机森林
B、Adaboost
C、kNN
D、XGBoost
答案:C
解析:集成方法分类为:Bagging(并行训练):随机森林,Boosting(串行训练):Adaboost, GBDT: XgBoost,Stacking,Blending
A、随机森林
B、Adaboost
C、kNN
D、XGBoost
答案:C
解析:集成方法分类为:Bagging(并行训练):随机森林,Boosting(串行训练):Adaboost, GBDT: XgBoost,Stacking,Blending
A. 符号主义
B. 机会主义
C. 行为主义
D. 连接主义
解析:不属于人工智能的学派是机会主义
A. 主成分分析的目的是寻找少数几个主成分代表原来的多个指标;
B. 各主成分是原来指标的线性函数
C. 所确定的几个主成分之间是互不相关的;
D. 使用主成分分析方法的前提是原来的多个指标之间是相关的
解析:见算法解析
A. BGD
B. SGD
C. Mini-Batch
D. dropout
解析:梯度下降法作为机器学习中较常使用的优化算法,其有着三种不同的形式:批量梯度下降(Batch Gradient Descent)、随机梯度下降(Stochastic Gradient Descent)以及小批量梯度下降(Mini-Batch Gradient Descent)
A. FALSE
B. 3
C. TRUE
D. 2
A. 关联规则发现
B. 聚类
C. 分类
D. 自然语言处理
解析:”啤酒尿布理论“是关联规则发现领域的经典案例
A. 18.3
B. 22.6
C. 26.8
D. 27.9
A.
所有的r-1阶子式都不为0
B. 所有的r-1阶子式都为0
C. 至少有一个r阶子式不为0
D. 所有的r阶子式都不为0
A. 增加样本数量
B. 增加特征数量
C. 训练更多的迭代次数
D. 采用正则化方法
解析:见算法解析
A. 训练的周期
B. 训练的批次
C. 输入数据的维度
D. 数据的通道
解析:image=fluid.layers.data(name='image',shape=[1,28,28],dtype='float32'),代码中28表示输入数据的维度