答案：A
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. 点估计
B. 一致估计
C. 区间估计
D. 无偏估计
A. 十亿
B. 百亿
C. 千亿
D. 万亿
A. 数据优化
B. 数据增强
C. 模型集成
D. 引入参数范数惩罚项
解析：常见的机器学习模型正则化方法包含数据增强、模型集成、引入参数范数惩罚项
A. 传统的基于规则的方法，其中的规律可以人工显性的明确出来
B. 传统基于规则的方法使用显性编程来解决问题
C. 机器学习中模型的映射关系是自动学习的
D. 机器学习所中模型的映射关系必须是隐性的
A. 高斯核函数
B. 多项式核函数
C. Sigmiod 核函数
D. 线性核函数
A. 错误数据
B. 虚假数据
C. 异常数据
D. 缺失数据
A. 决策树模型
B. kNN分类
C. Adaboost
D. k-means
