A.建構神經(jīng)網(wǎng)絡時需要知道最終的函數(shù)學習機長什么樣子 B.打造一個神經(jīng)網(wǎng)絡的函數(shù)學習機是透過編程來達成 C.神經(jīng)網(wǎng)絡模型可分成輸入層、表現(xiàn)層及輸出層 D.神經(jīng)網(wǎng)絡模型可分成輸入層、隱藏層及輸出層 E.神經(jīng)網(wǎng)絡模型可分成輸入層、激發(fā)層及輸出層
A.判定樹可以是多元樹 B.判定樹的起始點稱為根節(jié)點 C.判定樹是一種分群的機器學習技術 D.判定樹上的內部節(jié)點代表一個特征值 E.判定樹上的樹葉就是代表一種分類結果
A.支持向量機的分類函數(shù)稱為核函數(shù)(kernelfunction) B.核函數(shù)(kernelfunction)都是非線性的 C.核函數(shù)可以多項式核函數(shù)及徑向基核函數(shù) D.利用核函數(shù)的變化,可以將原先在低維度空間無法分類的問題轉到高維度空間達以達成需要的分類效果 E.支持向量機可以透過核函數(shù)的轉換,簡化分類的困難度