A、全连接网络完全不能做计算机视觉任务$;$全连接网络理论在处理视觉任务时计算量很小$;$全连接网络理论在处理视觉任务时会出现维数灾难现象,而卷积神经网络可以缓解这一现象$;$卷积神经网络只能做计算机视觉任务
答案:C
A、全连接网络完全不能做计算机视觉任务$;$全连接网络理论在处理视觉任务时计算量很小$;$全连接网络理论在处理视觉任务时会出现维数灾难现象,而卷积神经网络可以缓解这一现象$;$卷积神经网络只能做计算机视觉任务
答案:C
A. 冗余属性不会对决策树的准确率造成不利的影响 $;$子树可能在决策树中重复多次 $;$决策树算法对于噪声的干扰非常敏感 $;$寻找最佳决策树是NP完全问题
A. With
$;$assert
$;$nonlocal
$;$break
A. 熵越大,不确定性越大,信息量也就越大$;$信息增益越大,表示某个条件熵对信息熵减少程序越大,也就是说,这个属性对于信息的判断起到的作用越大$;$Gini指数越大,不纯度越小,越容易区分,越不容易分错$;$熵权法是一种客观赋权法,因为它仅依赖于数据本身的离散性
A. 学习程序自己形成和评价概念,没有教师$;$学习程序在教师监督下形成和评价概念$;$学习程序有时需要教师,有时不需要教师,以形成和评价概念$;$以上说法都不对
A. fastText$;$word2vec$;$BERT$;$CNN
A. 机器学习$;$自然语言处理$;$nlp$;$cv
A. Boosting$;$Stacking$;$Bagging$;$Marking
A. 广度优先搜索$;$深度优先搜索$;$有界深度优先搜索$;$启发式搜索
A. 机器学习$;$计算机视觉$;$语音识别$;$自然语言处理
A. exp(yf(x))$;$[1-yf(x)]_+$;$log[1+exp(-yf(x))$;$exp(-yf(x))