A.加速计算过程
B.提供约束条件的解决方法
C.简化目标函数
D.改善梯度下降的稳定性

A.控制模型的学习速度
B.确定最优解的位置
C.加速收敛过程
D.增加模型的存储空间

A.数据的集合
B.决策树的集合
C.特征的集合
D.模型参数的集合

A.梯度下降
B.牛顿法
C.遗传算法
D.粒子群优化

A.减少特征的数量
B.将特征值转换为较小的范围
C.增加特征的维度
D.改变特征的数据类型

A.评估节点的纯度
B.分割数据集的特征选择依据
C.确定树的深度
D.定义叶节点的输出值

A.当样本量较小时，作为正态分布的替代
B.描述连续变量的分布
C.进行假设检验
D.建立概率模型

A.图像识别
B.数据生成和增强
C.文本分类
D.语音识别

A.它们是完全一样的术语
B.规范化是将数据缩放到[0，1]范围内，标准化是使数据具有0均值和单位方差
C.标准化是使数据具有0均值和单位方差，规范化是将数据缩放到[0，1]范围内
D.它们都用于数据预处理，但针对不同的算法

A.两个变量之间的差异性
B.两个变量之间的线性关系
C.一个变量的分布范围
D.一个变量的中心趋势

A.回归模型
B.分类模型
C.聚类模型
D.时间序列模型