大数据会带来机器智能，提升计算机的智能程度，但它是永远不会超过人类的智能。

在有监督学习中，我们可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习

如果SVM模型欠拟合，可以通过减小核系数(gamma参数)来改进模型

基于sklearn用机器学习模型进行数据分析与数据挖掘的关键步骤为load_data()、create_model()、model.fit()、model.transform

循环神经网络BPTT算法，A同一个权重参数，在每个时刻上，都调整一次

N-gram模型中，N指的是忽略距离大于n的上文词的影响，N越大时。模型包含的次序信息越丰富，同时计算量随之增大

经过权值和阈值不断迭代调整的过程，就是网络的学习与训练过程

假设我们要解决一个二类分类问题,我们已经建立好了模型,输出是0或1,初始时设阈值为0.5,超过0.5概率估计,就判别为1,否则就判别为0;如果我们现在用另一个大于0.5的阈值,那么现在关于模型说法,正确的是

哪些项属于集成学习

关于反向传播算法，它的主要不足在于

需要循环迭代的算法有