A、BGD
B、SGD
C、Mini-Batch
D、dropout
答案：ABC
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、BGD
B、SGD
C、Mini-Batch
D、dropout
答案：ABC
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. 损失函数是用泰勒展式二项逼近，而GBDT只是一阶导数$;$对树的结构进行了正则化约束，防止模型过度复杂，降低了过拟合的可能性;$节点分裂的方式不同，GBDT是用的基尼系数，XGBoost是经过优化推导后的$;$XGBoost使用网格搜索，只能检测有限个值
解析：XGBoost类似于GBDT的优化版，不论是精度还是效率上都有了提升。与GBDT相比，具体的优点有：
1.损失函数是用泰勒展式二项逼近，而不是像GBDT里的就是一阶导数；
2.对树的结构进行了正则化约束，防止模型过度复杂，降低了过拟合的可能性；
3.节点分裂的方式不同，GBDT是用的基尼系数，XGBoost是经过优化推导后的。
A. 使用正向选择法（ForwardSelection）
B. 使用反向消除法（BackwardElimination）
C. 逐步选择消除法（Stepwise）
D. 计算不同特征之间的相关系数，删去相关系数高的特征之一
解析：好的特征选择能够提升模型的性能。
解析：不同的多样性增强机制可同时使用
A. 逗号、分号
B. 逗号、冒号
C. 分号、逗号
D. 分号、分号
A. 声乐和心理
B. 合成和分析
C. 知识表达和组织
D. 字典和算法
A. C
B. C*H
C. H*W
D. nan
解析：见算法解析
A. 信息增益
B. 损失函数
C. 准确率
D. 召回率
解析：剪枝分为前剪枝和后剪枝，前剪枝本质就是早停止，后剪枝通常是通过衡量剪枝后损失函数变化来决定是否剪枝。
