A.傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)是指全鏈接神經(jīng)網(wǎng)絡(luò)
B.全鏈接神經(jīng)網(wǎng)絡(luò)也叫標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)
C.標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)通常稱為NN（neuralnetwork）
D.全鏈接神經(jīng)網(wǎng)絡(luò)的每個(gè)神經(jīng)元都會(huì)跟前后層的神經(jīng)元相連
E.每個(gè)神經(jīng)元內(nèi)部的計(jì)算架構(gòu)都不一樣

A.建構(gòu)神經(jīng)網(wǎng)絡(luò)時(shí)需要知道最終的函數(shù)學(xué)習(xí)機(jī)長(zhǎng)什么樣子
B.打造一個(gè)神經(jīng)網(wǎng)絡(luò)的函數(shù)學(xué)習(xí)機(jī)是透過(guò)編程來(lái)達(dá)成
C.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、表現(xiàn)層及輸出層
D.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、隱藏層及輸出層
E.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、激發(fā)層及輸出層

A.判定樹(shù)可以是多元樹(shù)
B.判定樹(shù)的起始點(diǎn)稱為根節(jié)點(diǎn)
C.判定樹(shù)是一種分群的機(jī)器學(xué)習(xí)技術(shù)
D.判定樹(shù)上的內(nèi)部節(jié)點(diǎn)代表一個(gè)特征值
E.判定樹(shù)上的樹(shù)葉就是代表一種分類結(jié)果

A.支持向量機(jī)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(xiàng)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(wú)法分類的問(wèn)題轉(zhuǎn)到高維度空間達(dá)以達(dá)成需要的分類效果
E.支持向量機(jī)可以透過(guò)核函數(shù)的轉(zhuǎn)換，簡(jiǎn)化分類的困難度

A.分群?jiǎn)栴}被定義為：將未知的新訊息歸納進(jìn)已知的信息中
B.機(jī)器學(xué)習(xí)領(lǐng)域中的分群?jiǎn)栴}，重點(diǎn)在于新的數(shù)據(jù)和已分類的數(shù)據(jù)互相比較，看看新數(shù)據(jù)在分類過(guò)的數(shù)據(jù)中，和哪一類數(shù)據(jù)比較類似
C.分類問(wèn)題就是一群數(shù)據(jù)中沒(méi)有明確的分類或群體，而是必須透過(guò)它們所具有的特
D.分群的問(wèn)題要事先幫數(shù)據(jù)做卷標(biāo)（label）
E.分群的基礎(chǔ)在于要根據(jù)可以區(qū)分出兩種群體的特征來(lái)分群