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