人工智能标准体系结构包括基础共性、支撑技术与产品、基础软硬件平台、关键领域技术、产品与服务、行业应用、安全／伦理”等七个部分

PCA(Principal Component Analysis)算法通过计算特征之间的相关性，以少量的特征表示具有较多特征的数据，降低多特征数据分析的复杂度

KNN(K-Nearest Neighbor)算法由于需要同时存储大量的已知标签数据，故其一般不适合处理大规模的训练数据

随机森林算法利用多个决策树模型，对结果进行表决，以获得比单个决策树更高的预测精度

朴素贝叶斯是一种基于概率进行预测的算法，在实践中被用于解决分类问题

线性支持向量机可以处理复杂的决策边界

逻辑回归是一种用于有监督学习的回归任务的简单算法

正则化是防止过拟合的一种方法，常与线性回归等算法配合使用

从选手的角度看，博弈树就是一棵与或树，其特点是博弈的目标状态是初始节点,博弈树中的“或”节点和“与”节点逐层交替出现。

k-means机器学习算法是无监督学习算法

Glove可使用ngram、subword等细粒度信息。