A、增加训练集量
B、减少神经网络隐藏层节点数
C、删除稀疏的特征
D、SVM算法中使用高斯核/RBF核代替线性核
答案：D
解析：在其他条件不变的前提下，以下做法容易引起机器学习中的“过拟合”问题的是SVM算法中使用高斯核/RBF核代替线性核。
A、增加训练集量
B、减少神经网络隐藏层节点数
C、删除稀疏的特征
D、SVM算法中使用高斯核/RBF核代替线性核
答案：D
解析：在其他条件不变的前提下，以下做法容易引起机器学习中的“过拟合”问题的是SVM算法中使用高斯核/RBF核代替线性核。
A. 决策树
B. 高斯混合模型GMM
C. 随机森林
D. Xgboost
A. IaaS
B. PaaS
C. SaaS
D. DaaS
A.
明斯基
B. 图灵
C. 麦卡锡
D. 冯诺依曼
解析：艾伦·麦席森·图灵，英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。
解析：正确
A. 手工标注
B. 自动化标注
C. 半自动化标注
D. 半手工标注
A. 损失函数
B. 指数函数
C. 三角函数
D. 激活函数
解析：见算法解析
A. 不可以嵌套定义
B. 不可以嵌套调用
C. 不可以递归调用
D. 以上都不对
A. 极大似然估计先假定其具有某种确定的概率分布形式；
B. 极大似然估计没有确定的概率分布形式；
C. 概率模型的训练过程就是参数估计；
D. 贝叶斯学派认为参数本身也有分布，是未观察的随机变量；
解析：数学基础
A. 784;10
B. 28;10
C. 784;1
D. 28;1
