A、避免单学习器可能因误选而导致泛化性能不佳
B、降低陷入局部极小点的风险
C、假设空间扩大,有可能学得更好的近似
D、多学习器结合有可能冲突
答案:ABC
解析:基础知识
A、避免单学习器可能因误选而导致泛化性能不佳
B、降低陷入局部极小点的风险
C、假设空间扩大,有可能学得更好的近似
D、多学习器结合有可能冲突
答案:ABC
解析:基础知识
A. 非极大值抑制
B. 非极小值抑制
C. 极大值抑制
D. 极小值抑制
解析:见算法解析
A. 批量删除
B. 随机过采样
C. 合成采样
D. 随机欠采样
A. 监督学习
B. 非监督学习
C. 强化学习
D. 弱化学习
解析:错误
A. 线性分类
B. 方差分析
C. 分层聚类
D. 关联规则
A. 优化函数
B. 损失函数
C. 梯度下降
D. 反向传播
解析:损失函数用来衡量神经网络的计算模型对样本的预测值与真实值之间的误差
A. 循环神经网络
B. 卷积神经网络
C. word2vec
D. bert
解析:对于图像数据,通常使用的模型是卷积神经网络
A. 让每一层的输入的范围都大致固定
B. 它将权重的归一化平均值和标准差
C. 它是一种非常有效的反向传播(BP)方法
D. 这些均不是