首页 > 外语类考试
题目内容 (请给出正确答案)
[单选题]

下面对回归和分类的描述不正确的是()

A.两者均是学习输入变量和输出变量之间潜在关系模型

B.在回归分析中,学习得到一个函数将输入变量映射到连续输出空间

C.在分类模型中,学习得到一个函数将输入变量映射到离散输出空间

D.回归是一种无监督学习、分类学习是有监督学习

查看答案
答案
收藏
如果结果不匹配,请 联系老师 获取答案
您可能会需要:
您的账号:,可能还需要:
您的账号:
发送账号密码至手机
发送
安装优题宝APP,拍照搜题省时又省心!
更多“下面对回归和分类的描述不正确的是()”相关的问题
第1题
下面对逻辑斯蒂回归(logistic regression)和多项逻辑斯蒂回归模型(multi-nominal logistic model)描述不正确的是()。

A.两者都是监督学习的方法

B.多项逻辑斯蒂回归模型也被称为softmax函数

C.两者都可被用来完成多类分类任务

D.逻辑斯帝回归是监督学习,多项逻辑斯蒂回归模型是非监督学习

点击查看答案
第2题
下面对浅层学习和深度学习描述不正确的是()。

A.线性回归分析是一种浅层学习方法

B.K-means聚类是一种浅层学习方法

C.包含了若干隐藏层的前馈神经网络是一种深度学习方法

D.浅层学习仅能实现线性映射、深度学习可以实现非线性映射

点击查看答案
第3题
下面对逻辑斯蒂回归(logisticregression)描述不正确的是()。

A.逻辑斯蒂回归中所使用Sigmoid函数的输出形式是概率输出

B.逻辑斯蒂回归是一种非线性回归模型

C.在逻辑斯蒂回归中,输入数据特征加权累加值在接近−∞或+∞附近时,模型输出的概率值变化很大

D.在逻辑斯蒂回归中,能够实现数据特征加权累加

点击查看答案
第4题
下面对提升算法(Boosting)描述不正确的是()。
A.提升算法在每一轮迭代学习中均会更改每个弱分类器的权重

B.提升算法基于概率近似正确(probably approximately correct, PAC)理论,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”

C.提升算法将若干个弱分类器(weak classifiers)组合起来,形成一个强分类器(strong classifier)

D.提升算法在每一轮迭代学习中均会更改每个数据的权重

点击查看答案
第5题
下面对DiffServ模型的描述,不正确的是?()

A.可以通过设置IP报文头部的QoS参数信息,来告知网络节点它的QoS需求

B.报文传播路径上的各个设备,都可以通过对IP报文头的分析来获知报文的服务需求类别

C.在实施DiffServ 时,下游路由器必须要对报文进行分类

D.Diff Serv是一种基于报文的QoS解决方案

点击查看答案
第6题
下面对离心的描述不正确的是()

A.离心分离法速度快、效率高

B.占地面积大

C.能自动化、连续化和程序控制

D.适用于大规模的分离

点击查看答案
第7题
下面对3型转化区描述不正确的是()

A.部分位于颈口外

B.范围大小因人而异

C.不可见

D.检查不充分

点击查看答案
第8题
下面对宇宙和微观世界的描述中,不正确的是()

A.地球是由物质组成的

B.分子是微观世界中的最小微粒

C.物质是由分子组成的

D.物质处于不停地运动中

点击查看答案
第9题
在Photoshop中,下面对“变化”命令描述不正确的是()。

A.是模拟HSB模式的命令

B.可视的调整色彩平衡、对比度和亮度

C.不能用于索引模式

D.可以精确调整色彩的命令

点击查看答案
第10题
下面对WAPI描述不正确的是:()

A.安全机制由WAI和WPI两部分组成

B.WAI实现对用户身份的鉴别

C.WPI实现对传输的数据加密

D.WAI实现对传输的数据加密

点击查看答案
第11题
下面对吊顶龙骨描述中不正确的是()。

A.吊顶龙骨分为主龙骨和次龙骨

B.主龙骨为吊顶的主要承重结构

C.次龙骨用于固定面板

D.主龙骨间距视面层材料规格而定

点击查看答案
退出 登录/注册
发送账号至手机
密码将被重置
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改