答案：A
答案：A
解析：偏差度量了学习算法的期望预测与真实结果的偏离程度，刻画了学习算法本身的拟合能力。
方差度量了同样大小的训练集的变动所导致的学习性能的变化，刻画了数据扰动所造成的影响。
噪声表达了当前任务上任何学习算法所能达到的期望泛化误差的下界，也就是最小值。
泛化误差可以分解为偏差、方差和噪声之和。
A. 数据
B. 互联网
C. 信息
D. 人才
解析：数据作为驱动本轮人工智能浪潮全面兴起的三大基础要素之一，
A. 多分枝结构
B. 残差连接
C. BatchNormalization
D. SigMoid激活函数
解析：见算法解析
A. 多分类学习
B. 对数几率回归
C. Fisher判别分析
D. 多分类学习
解析：数学基础
A. AP曲线
B. PR曲线
C. mAP曲线
D. RoI曲线
解析：见算法解析
A. L1 损失函数
B. 均方误差损失函数
C. 交叉熵误差损失函数
D. 自下降损失函数
解析： 注意： Gini指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。
A. 能提升机器学习算法的稳定性和准确性，但难以避免overfitting
B. Bagging（装袋法）是一个统计重采样的技术,它的基础是Bootstrap
C. 主要通过有放回抽样）来生成多个版本的预测分类器,然后把这些分类器进行组合
D. 进行重复的随机采样所获得的样本可以得到没有或者含有较少的噪声数据
A. 萌芽期
B. 第一次繁荣期
C. 第一次低谷期
D. 复苏期
