關於機器學習的分類與分群敘述何者正確？（）

B．分類的演算法都稱為非監督式學習

C．分群的演算法都稱為監督式學習

D．分群的演算法都稱為非監督式學習

E．決策樹（decision tree）是機器學習分類的技術

A、机器学习算法就是指各种人工神经网络算法。

B、人工神经网络既可以设计监督学习算法也可以设计非监督学习算法。

C、支持向量机算法属于线性分类算法，属于监督学习范畴。

D、K-means算法用于聚类，属于非监督学习范畴。

A、强化学习（Reinforcement Learning）是人类学习方式，不属于机器学习的范畴。

B、监督学习(supervised learning)是从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。

C、无监督学习(unsupervised learning)，又称归纳性学习（clustering）。

D、机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新知识或技能，重新组织已有知识结构使之不断改善自身性能。

A、机器学习方法可通过标记数据集实现分类模型的学习

B、机器学习方法可通过学到的预测函数实现新对象的分类

C、深度学习不是机器学习方法

D、传统机器学习方法需要人工选择特征

B、机器学习包括了深度学习

C、深度学习包括了机器学习

D、深度学习包括了人工智能

A.机器学习的概念包括了深度学习

B.机器学习或深度学习是实现人工智能的一种方法

C.我们即将进入强人工智能时代

D.人工智能与机器学习是等同的概念

A、机器学习的问题一般都是用户给定的，因此不需要与用户交流和调研。

B、A零售企业的客户行为数据分析得到的规律也可以直接用于B零售企业。

C、机器学习得到的结果需要通过检验样本的测试，甚至需要在现实中实验才能投入使用。

D、机器学习一般需要人的参与，只要把数据输入合适的算法就可以得到有用的结果。

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。

A、每种算法都有其使用范围，因此选择算法需要考虑具体处理的问题

B、对聚类问题可以任选一种聚类算法

C、判断机器学习算法好坏在分析数据前就可以确定

D、机器学习算法的好坏需要通过实验比较确定