决策树的最顶层是树的()

假设我们已经在ImageNet数据集(物体识别)上训练好了一个卷积神经网络。然后给这张卷积神经网络输入一张全白的图片。对于这个输入的输出结果为任何种类的物体的可能性都是一样的，对吗？

在选择神经网络的深度时，下面哪些参数需要考虑？ 1 神经网络的类型(如MLP,CNN) 2 输入数据 3 计算能力(硬件和软件能力决定) 4 学习速率 5 映射的输出函数

如果我们用了一个过大的学习速率会发生什么？

在一个神经网络中，下面哪种方法可以用来处理过拟合？

下列哪个函数不可以做激活函数？

 梯度下降算法的正确步骤是什么？ 1.计算预测值和真实值之间的误差 2.重复迭代，直至得到网络权重的最佳值 3.把输入传入网络，得到输出值 4.用随机值初始化权重和偏差 5.对每一个产生误差的神经元，调整相应的（权重）值以减小误差

以下关于随机森林算法的描述中错误的是

下列不属于树模型的是

下列有关决策树说法错误的是

下面算法中哪个不是回归算法