大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态

处理大量不带标签数据和小部分带标签数据训练数据的算法称为半监督学习算法。

BP网络的学习过程是一种误差修正型学习算法，由正向传播和反向传播组成。

反向传播算法被设计为减少公共子表达式的数量并且考虑存储的开销。

Dropout为在神经网络过程中有一定概率暂时消除神经节点，减少神经元之间的相互作用。

SVM是在特征空间上找到最佳的分离超平面，使得训练集上的正负样本间隔最大。是用来解决二分类问题，在引入核方法后也可以解决非线性问题。

Decision Tree是无监督学习模型。

k-means 机器学习算法是无监督学习算法

采用one-hot编码对离散特征进行转换，会增加特征维度

正则化是解决过拟合的方法之一（）

朴素贝叶斯算法常用于图像识别（）