无论是通过深度学习进行场景识别、目标识别还是人脸识别都离开对特征的学习，先从（）得到（），之后进行类别的（）以得到结果。

A. F(x)^2$;$F(x)F(y)$;$1-[1-F(x)]^2$;$[1-F(x)][1-F(y)]

A. 求期望$;$求极大值$;$求标准差$;$求方差

A. 人脸识别$;$光学字符识别$;$OCR

A. 错误数据$;$虚假数据$;$异常数据$;$重复数据

A. 封装$;$继承$;$多态$;$独立

A. 线性回归$;$深度残差网络$;$卷积神经网络CNN$;$循环神经网络RNN

A. 视觉是人类获得信息的最主要途径$;$数据可视化处理可以洞察统计分析无法发现的结构和细节$;$数据可视化处理结果的解读对用户知识水平的要求较高$;$可视化能够帮助人们提高理解与处理数据的效率

A. 业务需求边界的确认十分关键$;$特征工程阶段结束后就不需要再进行数据处理了$;$应该根据实际情况选择合适的算法$;$模型效果不好需要从多个环节进行综合考察迭代

A. np.sqrt()$;$np.size()$;$np.identity()$;$np.sum()