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