29.梯度下降算法的正确步骤是什么( )(1)计算预测值和真实值之间的误差(2)迭代更新,直到找到最佳权重(3)把输入传入网络,得到输出值(4)初始化随机权重和偏差(5)对每一个产生误差的神经元,改变相应的(权重)值以减小误差

17.K均值算法的优缺点是什么,如何对其调优。

16.说出几种降低过拟合和欠拟合的方法。

15.模型评估过程中,欠拟合和过拟合现象是什么。

14.请你从误差分解的角度,简述对泛化误差的理解。

13.请描述机器学习中的分类任务。

12.描述主成分分析的主要步骤。

11.试述为什么基于L1范数可以进行特征选择。

10.请给出L1范数和L2范数的计算方法及他们的使用场景。

9.试析随机森林为何比决策树Bagging集成的训练速度更快。

8.对3个32×32的特征图进行卷积层操作,卷积核10个5×5,Stride是1,pad为2,输出特征图的尺度是多少?卷积层的参数是多少?写出公式和结果。