![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
下面关于机器学习的理解,正确的是()
A.非监督学习的样本数据是要求带标签的
B.监督学习和非监督学习的区别在于是否要求样本数据带标签
C.强化学习以输入数据作为对模型的反馈
D.二维卷积神经网络一般用于自然语言问题的局部特征提取
![](https://static.youtibao.com/asksite/comm/h5/images/m_q_a.png)
BC
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.非监督学习的样本数据是要求带标签的
B.监督学习和非监督学习的区别在于是否要求样本数据带标签
C.强化学习以输入数据作为对模型的反馈
D.二维卷积神经网络一般用于自然语言问题的局部特征提取
BC
A.数据分析需要借助数据挖掘和机器学习的相关算法
B.数据分析不需要用到大数据处理技术
C.数据分析需要构建统计模型
D.利用数据可视化技术可以将数据分析的结果更清晰地展示
下面关于强化的理解正确的是
A、在一定范围内,强化的数量越小,学习的速度越快
B、在反应之后立即给予奖励与惩罚是无效的
C、强化定义为减弱反应可能性的任何事件
D、阳性强化物在反应之后呈现时能提高反应的概率
E、两次强化的周期不能由无强化反应的次数确定
A.能够让深度学习工程师快速地实现自己的想法
B.在更好更快的计算机上能够帮助一个团队减少迭代(训练)的时间
C.在数据量很多的数据集上训练上的时间要快于小数据集
D.使用更新的深度学习算法可以使我们能够更快地训练好模型(即使更换CPU/GPU硬件)
A.监督学习的监督体现在所有机器要处理的数据实现都要由人为定义好相应的类别,再对分类算法进行训练,最后得到可以使用的分类器
B.按照不同的学习理论划分,机器学习模型可以分为有监督学习、半监督学习、无监督学习以及强化学习等不同类型
C.有监督学习的数据集有标签,无监督相比于有监督,没有训练过程,而是直接拿数据进行建模分析
D.在实际应用中,机器学习主要以无监督学习或半监督学习方式为主
A.感知常见事物的大小、多少、高矮、粗细等量的特征,学习使用相应的词汇描述这些特征
B.结合具体事物让幼儿通过多次比较逐渐理解“量”是相对的
C.收拾物品时,根据情况,鼓励幼儿按照物体量的特征分类整理
D.引导幼儿感知和理解事物“量”的特征
A.目标检测常使用深度学习中卷积神经网络模型
B.训练好的目标检测算法可以用于边缘计算
C.机器视觉场景往往需要应用边缘计算
D.边缘计算就是一种人工智能