答案：A
解析：正确
答案：A
解析：正确
A. 增加树的深度
B. 增加学习率
C. 减少树的数量
D. 减小树的深度
解析：一般用决策树进行分类，从根结点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其子结点。这时，每一个子结点对应着该特征的一个取值。如此递归地对实例进行测试并分类，直至达到叶结点。最后将实例分到叶结点的类中。—— 引自李航 《统计学习方法》
决策树深度越深，在训练集上误差会越小，准确率越高。但是容易造成过拟合，而且增加模型的训练时间。对决策树进行修剪，减小树的深度，能够提高模型的训练速度，有效避免过拟合。
单决策树中，学习率不是一个有效参数。
决策树是单树，随机森林由多个决策树组成。
A. 光学字符识别
B. 文字识别
C. 字符识别
D. 书面识别
解析：OCR是指对文本书面资料（印刷字体、手写字体）的图像文件进行分析识别处理，获取文字及版面信息的过程，其中文全程是光学字符识别。
A. 数据增强
B. 语义分割
C. 信息检索
D. 图像生成
A. 谓语与非谓语
B. 可数名词与不可数名词
C. 冠词与数词
D. 单复数
解析：见算法解析
A. 函数的递归调用必须有一个明确的结束条件
B. 函数的递归调用每次进入更深一层递归时，问题规模相比上次递归都应有所减少
C. 函数的递归调用效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈)
D. 函数的递归调用由于栈的大小是无限的，所以，递归调用的次数过多，也不会导致栈溢出
A. 诊断性分析
B. 描述性分析
C. 预测性分析
D. 规范性分析
A. DVPP
B. GPU
C. AI计
算引擎
D. 芯片系统
控制 CPU
A. 基础层
B. 技术层
C. 应用层
D. 过程层
解析：基础概念
A. 中间数
B. 中位数
C. 中心数
解析：正确
