A.复杂的模型时容易发生欠拟合问题
B.神经网络不会出现过拟合问题
C.正则化方法可以减少过拟合问题
D.增加数据量不能减少过拟合问题
第3题
B.减少神经网络隐藏层节点数
C.删除稀疏的特征S
D.SVM算法中使用高斯核/RBF核代替线性核
第4题
A.会带来机器智能
B.在80%左右的问题上,使计算机和人在复杂问题上具有同等智能
C.是一种全新的思维方式
D.不遵循传统的因果逻辑关系
第5题
A、早期的一些流派算法基本没什么用了。
B、不同的流派各有优势,可能处理不同的问题和数据。
C、现实中一个复杂的问题可以要综合几个流派的算法。
D、机器学习的流派使用不同的方法,共同促进机器学习的发展。
第6题
第7题
A、IBM的统计机器翻译模型除了通过统计方法,还需要借助语言知识和一些转换规则
B、基于规则的机器翻译方法无法用有限的规则覆盖所有复杂的语言现象
C、IBM的Brown等人提出的“基于词对齐的统计机器学习翻译模型”标记着现代统计机器翻译方法的诞生
D、Mikolav等人开源的Word2Vec工具将词表示为一系列实数组成的词向量,从而将语言智能问题转变为神经网络计算问题
第8题
A、如果一个属性对于所有样本都没有区分能力,那么对于决策毫无用处
B、单一支持向量机模型本身是针对多分类问题的算法
C、K近邻算法中,K值的选择,不会对分类结果有很大影响
D、属性在决策树中的位置不同,并不会影响决策树的效率
第9题
A、模板匹配方法所识别的内容包括大词汇量、非特定人连续语音识别
B、统计机器学习模型存在对语音的鲁棒性低,容易受到杂音影响等问题
C、随着声学特征、改进的解码算法的提出,连续语音流的识别准确率不断提升
D、随着深度学习模型的应用,语音识别逐渐采用“端到端”的解决方案
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!