所有的机器学习分类算法都属于无监督方法

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（）

在图像分类问题中，卷积层与全连接层可直接连接

训练时，发现RNN网络收敛速度较慢，这时需要减小学习率

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。

NFL（NoFreeLunchTheorem）定理有一个重要前提：所有“问题”出现的机会相同、或所有问题同等重要。

LDA算法假设文档中主题的先验分布和主题中词的先验分布都服从狄利克雷分布。