A.给定一个弱学习算法和一个训练集,将该学习算法使用多次,得出预测函数序列,进行投票
B.针对同一个训练集训练不同的弱分类器集合起来,构成一个强分类器
C.利用多棵树对样本进行训练并预测的一种分类器
D.基于前向策略的加法模型,每阶段使用一个基模型去拟合上一阶段基模型的残差
A.给定一个弱学习算法和一个训练集,将该学习算法使用多次,得出预测函数序列,进行投票
B.针对同i个训练集训练不同的弱分类器并集合起来,构成一个强分类器
C.利用多棵树对样本进行训练并预测的一种分类器
D.基于前向策略的加法模型,每阶段使用一个基模型去拟合上一阶段基模型的残差
A.需要将这些样本全部强制转换为支持向量
B.需要将这些样本中可以转化的样本转换为支持向量,不能转换的直接删除
C.移去或者减少这些样本对分类结果没有影响
D.以上都不对
A.深度学习使用多层机器学习模型对数据进行学习
B.深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术
C.包括有监督学习和无监督学习两种
D.深度学习是学习样本数据的内在规律和表示层次
A.生成器:在给定输入数据时,理解输入,生成类似的输入
B.判别器:在给定输入数据时,理解输入,生成类似的输入
C.生成器:预测未知样本分类
D.判别器:预测未知样本分类
A.以前对被审计单位的审计经验不能够作为确定本期预计总体误差的基础
B.即使预计总体误差超过了可容忍误差,但考虑到职业判断存在局限性,我们仍可以接受总体
C.预计总体误差越大,可容忍误差越小
D.预计总体误差与样本规模呈同向变动
A.ROC曲线上的面积越大代表模型性能越好
B.ROC曲线下的面积越大代表模型性能越好
C.ROC曲线中将假正例率(FPR)作为x轴,FPR是决定了在所有阴性的样本中有多少假阳性的判断
D.ROC曲线中将真正例率(TPR)作为y轴,TPR决定了一个分类器或者一个诊断测试在所有阳性样本中能正确区分的阳性案例的性能
A.强可学习和弱可学习是等价的,即如果已经发现了“弱学习算法”,可将其提升(boosting)为“强学习算法”
B.强可学习模型指学习模型仅能完成若干部分样本识别与分类,其精度略高于随机猜测
C.强可学习模型指学习模型能够以较高精度对绝大多数样本完成识别分类任务
D.在概率近似正确背景下,有“强可学习模型”和“弱可学习模型”