下列关于半朴素贝叶斯描述错误的为(___)
A. 假设属性之间完全独立；$;$假设属性之间部分相关；$;$独依赖估计为半朴素贝叶斯最常用的策略；$;$假设所以属性都依赖于同一个属性；
https://www.shititong.cn/cha-kan/shiti/0005e939-f894-6620-c07f-52a228da6001.html
点击查看答案
对于lstm = paddle.nn.LSTM(input_size=3, hidden_size=5, num_layers=2)，输入数据的形状可以是：
A. [10,5,3]$;$[5,10,3]$;$[3,5,10]$;$[3,10,5]
https://www.shititong.cn/cha-kan/shiti/0005e939-eea4-e568-c07f-52a228da600c.html
点击查看答案
如果一个SVM模型出现欠拟合，那么下列哪种方法能解决这一问题？()
A. 增大惩罚参数C的值$;$减小惩罚参数C的值$;$减小核系数（gamma参数）
https://www.shititong.cn/cha-kan/shiti/0005e939-eb78-9448-c07f-52a228da602a.html
点击查看答案
使用paddle.nn.LinearAPI定义优化器
https://www.shititong.cn/cha-kan/shiti/0005e939-eea4-ed38-c07f-52a228da601b.html
点击查看答案
BERT模型的主要创新点都在pre-train方法上，即用了（）和（）两种方法分别捕捉词语和句子级别的representation。
A. MaskedLM$;$MaskedML$;$NextSentencePrediction$;$PreSentencePrediction
https://www.shititong.cn/cha-kan/shiti/0005e939-e59d-0978-c07f-52a228da6009.html
点击查看答案
利用人工智能，可以语音合成一个名人的声音。
https://www.shititong.cn/cha-kan/shiti/0005e939-e31f-a598-c07f-52a228da6002.html
点击查看答案
神经网络中，前向计算是指从输入计算输出的过程，顺序从网络后至前
https://www.shititong.cn/cha-kan/shiti/0005e939-e59c-b770-c07f-52a228da6001.html
点击查看答案
在windows系统机器上安装paddle可以使用（）安装方式。
A. pip$;$conda$;$docker$;$源码编译
https://www.shititong.cn/cha-kan/shiti/0005e939-eea4-f8f0-c07f-52a228da6034.html
点击查看答案
“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
https://www.shititong.cn/cha-kan/shiti/0005e939-dbd1-f8e0-c07f-52a228da6034.html
点击查看答案
Python字典中的“键”可以是列表
https://www.shititong.cn/cha-kan/shiti/0005e939-eea4-e180-c07f-52a228da6003.html
点击查看答案
