答案：B
A. 从偏差-方差分解的角度看，Boosting主要关注降低偏差$;$从偏差-方差分解的角度看，Bagging主要关注降低方差$;$随机森林简单、容易实现、计算开销小$;$Boosting不能基于泛化性能相当弱的学习器构建出很强的集成
A. 命名实体识别$;$实体链接$;$关系抽取$;$词性标注
A. 对某个输入从输入层沿网络传播到输出层$;$从输出层开始从后向前计算每个单元的delta$;$计算该输入对每个权值梯度的贡献$;$所有输入对梯度的贡献求和得到总梯度，根据学习率来改变原来的权值，完成了权值的一次修改
A. 增加$;$取反$;$减小$;$取整
A. 从DataFrame类导入pandas类$;$从pandas库导入DataFrame类$;$从pandas库导入DataFrame库$;$从DataFrame库导入pandas类
A. 归一化$;$正向传播$;$反向传播$;$梯度下降
A. 卷积神经网络$;$循环神经网络$;$深层神经网络$;$浅层神经网络
A. 正确$;$错误
