RPA开发需要的业务流程的颗粒度是（）。

KNN不需要进行训练。

LR的损失函数为hingeloss（或者说是逻辑损失都可以）、而SVM的损失函数为Log损失。

LR更侧重全局优化，而树模型主要是局部的优化。

交叉熵损失函数的设计是基于最大似然思想：最大概率得到观察结果的假设是真的。

卷积神经网络由多个卷积层和池化层组成，卷积层负责对输入进行扫描以生成更抽象的特征表示，池化层对这些特征表示进行过滤，保留最关键的特征信息。

对于计算机视觉问题，效果最好的模型是经典的全连接神经网络。

神经网络中，前向计算是指从输入计算输出的过程，顺序从网络后至前。

多层非线性映射（multi-layernonlinearprojection）：表示深度学习网络的隐层，DSSM使用三个全连接层，每一层神经元的个数是300，然后最后一层的维度是128维度，激活函数采用tanh。

两个变量的 Pearson 相关性系数为零，但这两个变量的值同样可以相关。

对于 PCA(主成分分析)转化过的特征 , 朴素贝叶斯的”不依赖假设”总是成立, 因为所有主要成分是正交的。