我们希望减少数据集中的特征数量。你可以采取以下哪一个步骤来减少特征（）？

关于数据发掘，下列说法正确的是

在20K文档的输入数据上为机器学习模型创建了文档-词矩阵（document-term matrix）。以下哪项可用于减少数据维度？
（1）关键词归一化（Keyword Normalization）
（2）潜在语义索引（Latent Semantic Indexing）
（3）隐狄利克雷分布（Latent Dirichlet Allocation）

下列哪个神经网络结构会发生权重共享？（）

ResNet-50 有多少个卷积层? （）

EM算法是（）

以下机器学习中，在数据预处理时，不需要考虑归一化处理的是：（）

阅读以下文字：假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置。（）

下列哪个函数不可以做非线性激活函数？（）

在一个神经网络中，知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差，便可以近似任何函数，但怎么获知每个神经的权重和偏移呢？（）

梯度下降算法的正确步骤是什么？
a.计算预测值和真实值之间的误差
b.重复迭代，直至得到网络权重的最佳值
c.把输入传入网络，得到输出值
d.用随机值初始化权重和偏差
e.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
（）