以下有关机器学习理解不正确的是 ( )。

A.查询大量的操作数据去发现新的信息。

B.从大量的业务数据中发现有兴趣的新颖知识辅助决策的过程。

C.机器学习的结果不一定是能辅助决策。

D.需要借助统计学或机器学习的一些算法。

A.设计

B.思考

C.规划

D.学习

A.错误的数据也可能产生有用的结果。

B.数据预处理的重要目的是提高机器学习结果的质量。

C.因为分析的数据量很大，有些噪声即使不去除也对机器学习没多大影响。

D.数据质量不需要对业务理解。

A.借助科幻故事告诉读者，未来的教育方式主要是人机对话

B.通过玛琪的经历说明，依赖机器进行教学不利于学生学习

C.通过150年前后的教学对比，强调未来的教育不会有前途

A.判断

B.推理

C.证明

D.识别

A.数据需要包含尽可能多的信息，可以不跟学习任务有

B.对于监督学习中的分类问题，数据偏斜不能过于严重，不同类别的数据数量不要有数个数量级的差距

C.建模前需要评估数据样本的量级，估算模型学习对内存的消耗

D.如果数据量太大可以考虑减少训练样本、降维或者使用分布式机器学习系统

A.逻辑回归

B.Nearestneighbor

C.Decisiontreelearning

D.SVM

A.超参数无需优化，它不影响模型的学习的性能和效果。

B.在机器学习中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。

C.超参数是编程人员在机器学习算法中用于调整的旋钮。

D.神经网络的隐含层数量。

A.超参数无需优化，它不影响模型的学习的性能和效果。

B.在机器学习中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。

C.超参数是编程人员在机器学习算法中用于调整的旋钮。

D.神经网络的隐含层数量。

A.错误的数据将可能产生有害于决策的结果。

B.因为数据量很大，所以数据质量差一些也对机器学习没多大影响。

C.数据预处理的重要目的是提高机器学习结果的质量。

D.从业务系统提取的脏数据需要预处理才能进行建模工作。

A.机器是保证产品质量的关键，而人是保证机器好坏的关键

B.TPM的目标可以概括为四个“零”，即停机为零、废品为零、事故为零、速度损失为零

C.不管操作工，还是设备工程师，都要努力提高工作技能，没有好的工作技能，全员参与将是一句空话

D.专业化分工，操作工只管操作，维修工只管维修