261、【单选题 #5】20世纪50年代中叶到60年代中叶,属于机器学习的( )时期。这个时期通过对机器的环境及其相应性能参数的改变来检测系统所反馈的数据,最后选择一个最优的环境。

324、【单选题 #8】所有人工智能方法都可以用于数据挖掘,其中特别是( )。

323、【单选题 #8】数据存储在称为( )的计算机系统中,它具有内置功能,可以分析数据,并按用户要求呈现出不同形式。

322、【单选题 #8】数据不等于信息,而信息也不等于知识。了解数据(将其转化为信息)并利用数据(再将其转换为知识)是一项( )的工程。

321、【单选题 #8】现实社会有大量的数据唾手可得,其中的大部分数据都十分有用,但前提是人们有能力从中提取出( )的内容。

320、【单选题 #8】数据挖掘通常与计算机科学有关,并通过统计学、在线分析处理、( )、专家系统(依靠过去的经验法则)和可视化技术等诸多方法来实现其目标。① 情报检索 ② 模式识别③ 科学计算 ④ 机器学习

319、【单选题 #8】数据挖掘是指从大量的数据中通过算法搜索其中隐含的、先前未知的并有( )的信息的非平凡的决策支持过程。

318、【单选题 #7】就目前的情况而言,对于需要( )的关键任务而言,强化学习可能并不是最理想的选择。

317、【单选题 #7】强化学习可以通过( )的方式生成大量高质量的可用于训练模型的数据。

316、【单选题 #7】在现实生活中,可以找到很多符合强化学习模型的例子,如( )等,这些都是积极奖励的例子。① 家中有矿② 父母的表扬③ 学校的好成绩④ 工作的高薪资

315、【单选题 #7】通过优化真实奖励函数的某个较为精确的近似函数,学习者可能会比专家表现得更好。该方法称为( ):通过观察策略来学习奖励,而不是通过观察奖励来学习策略。