答案：B
答案：B
A. 核函数即特征的映射关系
B. 多项式核函数只是将原始特征映射，并没有升维
C. 高斯核函数将特征映射到无穷维
D. 使用线性核函数的SVM是非线性分类器
解析：高斯核函数将特征映射到无穷维
A. list
B. string
C. char
D. dict
解析：char只能存储一个字符
A. 智能店铺管理
B. 无人超市
C. 智能交易策略
D. 精准营销与个性化推荐系统
解析：精准营销与个性化推荐系统是零售行业内应用最为广泛、效果最为显著的人工智能技术，线上线下的零售巨头都在运用此技术帮助进行交叉销售、向上销售、提高复购率。
A. 增加神经网络层数, 可能会增加测试数据集的分类错误率
B. 减少神经网络层数, 总是能减小测试数据集的分类错误率
C. 增加神经网络层数, 总是能减小训练数据集的分类错误率
D. 1、2都对
A. 0.2
B. 0.25
C. 30%
D. 0.35
A. 主成分分析
B. 因子分析
C. 独立主成分分析
D. SVM
A. Python中整型有限制大小
B. append函数用于给列表增加元素
C. del用于删除变量
D. Python中列表无法嵌套
解析：Python中的del语句作用是删除变量,其对整型无限制，append()函数 用于在列表末尾添加新的对象，Python中列表可嵌套
A. 特征工程指的是把原始数据转变为模型的训练数据的过程
B. 它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限
C. 特征工程在机器学习中占有非常重要的作用，一般认为括特征构建、特征提取、特征选择三个部分。
D. 特征提取是从特征集合中挑选一组具有明显物理或统计意义的特征子集。
A. MLE可能并不存在
B. MLE总是存在
C. 如果MLE存在，那么它的解可能不是唯一的
D. 如果MLE存在，那么它的解一定是唯一的
解析：见算法解析
