LibraRCNN从（）几个角度论证并增强了两阶段检测模型

A. 使用L1可以得到稀疏的权值，使用L2可以得到平滑的权值$;$使用L1可以得到平滑的权值，使用L2可以得到平滑的权值$;$使用L1可以得到平滑的权值，使用L2可以得到稀疏的权值$;$使用L1可以得到稀疏的权值，使用L2可以得到稀疏的权值

A. 由于其特殊原因，无法分布式化$;$xgboost在代价函数里加入了正则项，用于控制模型的复杂度；$;$可以处理带有缺失值的样本$;$允许使用列抽样来减少过拟合

A. 函数的递归调用必须有一个明确的结束条件
$;$函数的递归调用每次进入更深一层递归时，问题规模相比上次递归都应有所减少
$;$函数的递归调用效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈)
$;$函数的递归调用由于栈的大小是无限的，所以，递归调用的次数过多，也不会导致栈溢出

A. 0.5$;$n/(2n+1)$;$(n-1)/(2n+1)$;$(n+1)/(2n+1)

A. 纯度$;$精度$;$准确度$;$可信度

A. 语言$;$词汇$;$逻辑$;$语法

A. 对的$;$不知道$;$看情况$;$不对

A. ①③$;$①②③$;$②③$;$①②

A. MLE中加入了模型参数本身的概率分布$;$MLE认为模型参数本身概率是不均匀的$;$MLE体现了贝叶斯认为参数也是随机变量的观点$;$MLE是指找出一组参数，使得模型产生出观测数据的概率最大

A. BGD$;$SGD$;$Mini-Batch$;$dropout