A、序列化
B、剪枝
C、去重
D、重组
答案:B
解析:见算法解析
A、序列化
B、剪枝
C、去重
D、重组
答案:B
解析:见算法解析
A. 云机协同
B. 云边协同
C. 数据传输
D. 文件同步
解析:主要应用
A. 从偏差-方差分解的角度看,Boosting主要关注降低偏差
B. 从偏差-方差分解的角度看,Bagging主要关注降低方差
C. 随机森林简单、容易实现、计算开销小
D. Boosting不能基于泛化性能相当弱的学习器构建出很强的集成
解析:从偏差一方差分解的角度看,Boosting主要关住降低偏差,因此Boosting能基于泛化性能相当弱的学习器构建出很强的集成
A. 信息增益与训练数据集的信息熵之比
B. 信息增益与训练数据集的经验熵之比
C. 信息增益与训练数据集的条件熵之比
D. 信息增益与训练数据集的交叉熵之比
解析:当熵和条件熵中的概率由数据估计(特别是极大似然估计)得到时,所对应的熵与条件熵分别称为经验熵(empirical entropy)和经验条件熵(empirical conditional entropy)。
A. 文本中词计数
B. 词的向量标注
C. 词性标注(Part of Speech Tag)
D. 基本依存语法
A. 仅在某个特定的领域超越人类的水平
B. 可以胜任人类的所有工作
C. 是通用的人工智能
D. 在科学创造力、智慧等方面都远胜于人类
A. 学习方式分类
B. 网络结构分类
C. 网络的协议类型分类
D. 网络的活动方式分类
解析:见算法解析
A. break
B. pass
C. continue
D. print
解析:pass是空语句,一般用做占位语句,不做任何事情。
A. 割平面法
B. 随机梯度下降
C. 坐标下降法
D. 快速采样法
解析:见算法解析
A. 集成学习
B. 机器学习
C. 深度学习
D. 专家知识
A. 20世纪50年代-80年代
B. 20世纪60年代-90年代
C. 20世纪70年代-90年代
解析:符号主义(Symbolism)是在人工智能发展历程的20世纪50年代-80年代发展起来的