A、LeNet-5
B、AlexNet
C、ResNet50
D、ResNet152
答案:A
A、LeNet-5
B、AlexNet
C、ResNet50
D、ResNet152
答案:A
A. 集成学习一定能提升个体学习器的性能
B. Bagging 方法中,个体学习器之间彼此独立
C. Boosting 是一种重视错误样本的学习方法
D. Boosting 方法中,个体学习器存在强依赖
解析:见算法解析
A. 与Adaboost相比,随机森林采用一个固定的概率分布来产生随机向量
B. 随着个体学习器数目的增加,随机森林通常会收敛到更低的泛化误差
C. 与Adaboost相比,随机森林鲁棒性更好
D. 随机森林的训练效率往往低于Bagging
解析:见算法解析
解析:gamma参数是你选择径向基函数作为kernel后,该函数自带的一个参数.隐含地决定了数据映射到新的特征空间后的分布. gamma参数与C参数无关. gamma参数越高, 模型越复杂
A. 从数据点中随机选择数量与簇的数量相同的数据点,作为这些簇的重心
B. 计算数据点与各重心之间的距离,并将最近的重心所在的簇作为该数据点所属的簇
C. 计算每个簇的数据点到重心距离的平均值,并将其作为新的重心
D. 重复步骤2与步骤3,继续计算,直到所有数据点不改变所属的簇,或达到计算最大次数
解析:错误
A. 根据内容检索
B. 建模描述
C. 预测建模
D. 寻找模式和规则
解析:根据已知模式在数据集中寻找相似模式属于数据挖掘中的内容检索任务。