可以通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。（)

A.定量评价机器学习性能

B.估算模型

C.验证模型

D.定性评价机器学习性能

我们建立一个5000个特征,100万数据的机器学习模型.我们怎么有效地应对这样的大数据训练()

A.我们随机抽取一些样本,在这些少量样本之上训练

B.我们可以试用在线机器学习算法

C.我们应用PCA算法降维,减少特征数

D.B和C

E.A和B

F.以上所有

A.神经网络

B.训练算法

C.人工程序

D.历史数据

A．应用机器学习算法对计算机中存储的历史数据进行处理，这个过程称为预测

B．应用机器学习算法对计算机中存储的历史数据进行处理，这个过程称为训练

C．预测和模型在机器学习中发挥重要作用，预测产生模型，模型指导预测

D．机器学习的模型是事先在程序中定制的，不会改变

A.机器学习具有训练和推理两个过程

B.训练过程和推理过程使用数据相同

C.训练的目的是提高推理的准确度

D.训练和推理应该使用不同的模型结构

数据挖掘的分类方法很多。根据不同挖掘方法，可将其分为(47)。

A．分类或预测模型发现，数据归纳、聚类、关联规则发现，序列模式发现，依赖关系或依赖模型发现，异常和趋势发现等等

B．机器学习法、统计方法、神经网络方法和数据库方法

C．归纳学习方法(决策树、规则归纳等)、基于范例学习、遗传算法等

D．回归分析、判别分析、聚类分析、探索性分析等

数据挖掘的分类方法很多。根据不同挖掘任务，可将其分为(63)。

A．分类或预测模型发现，数据归纳、聚类、关联规则发现，序列模式发现，依赖关系或依赖模型发现，异常和趋势发现等等

B．机器学习法、统计方法、神经网络方法和数据库方法

C．归纳学习方法(决策树、规则归纳等)、基于范例学习、遗传算法等

D．回归分析、判别分析、聚类分析、探索性分析等

A.数据预处理

B.数据采集

C.特征选择

D.模型训练

E.给出建议

许多公司利用大数据技术来收集海量数据、训练模型、优化模型，并发布预测模型来提高业务水平或者避免风险，这是大数据在（)的技术。

A、知识搜索

B、数据整合

C、预测分析

D、数据校验

根据学习的意识水平分类，学习数学中的勾股定理属于()。

A.外显学习

B.内隐学习

C.技能学习

D.机器学习