答案：A
答案：A
A. 激活函数都是线性函数
B. 激活函数都是非线性函数
C. 激活函数部分是非线性函数，部分是线性函数
D. 激活函数大多数是非线性函数，少数是线性函数
A. 一对一
B. 一对其余
C. 一对多
D. 多对多
解析：见算法解析
A. [0,1]
B. [-1,1]
C. (-∞~∞)
D. （0,1）
解析：Sigmoid函数将变量映射在0至1之间
A. JPG
B. png
C. GIF
D. BMP
解析：主要应用
A. 增加树的深度
B. 增大学习率(Learnin Rate)
C. 对决策树模型进行预剪枝
D. 减少树的数量
A. GoogLeNet仅仅是在宽度上进行了探索，所以它是一个很浅的网络
B. GoogLeNet在宽度上进行了探索，为后人设计更加复杂的网络打开了思路
C. GoogLeNet使用了Inception结构，Inception结构只有V1这一个版本
D. GoogLeNet结合多种网络设计结构所以是到目前为止分类效果最好的网络结构
解析：GoogLeNet在宽度上进行了探索，为后人设计更加复杂的网络打开了思路
A. 分类
B. 回归
C. 聚类
D. 二分类
解析：见算法解析
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。
