下列关于算法的说法,错误的是()
A.一个算法必须在有限的步骤内完成
B.算法中的每一步,必须有确切的含义
C.算法中可以有零个或多个输入
D.算法中可以有零个或多个输出
A.一个算法必须在有限的步骤内完成
B.算法中的每一步,必须有确切的含义
C.算法中可以有零个或多个输入
D.算法中可以有零个或多个输出
A.当目标函数是凸函数时,梯度下降算法的解一般就是全局最优解
B.进行PCA降维时,需要计算协方差矩
C.沿负梯度的方向一定是最优的方向
D.利用拉格朗日函数能解带约束的优化问题
A.各基分类器之间有较强依赖,不可以进行并行训练
B.最著名的算法之一是基于决策树基分类器的随机森林
C.当训练样本数量较少时,子集之间可能有重叠
D.为了让基分类器之间互相独立,需要将训练集分为若干子集
A.支持向量回归是将支持向量的方法应用到回归问题中
B.支持向量回归同样可以应用核函数求解线性不可分的问题
C.同分类算法不同的是,支持向量回归要最小化一个凹函数
D.支持向量回归的解是稀疏的
A.DBSCAN是一种著名的密度聚类算法
B.密度聚类从样本数量的角度来考察样本之间的可连接性
C.密度聚类基于不可连接样本不断扩展聚类簇易获得最终的聚类结果
D.密度直达关系通常满足对称性
A.ospf路由协议在计算区域间路由和自治系统外部路由时使用的是距离矢量算法
B.ospf能够保证在计算区域内路由时没有环路产生
C.ospf能够保证在计算区域间路由时没有环路产生
D.ospf能够保证在计算自治系统外部路由时没有环路产生
A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B.CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C.只要参数设置合理,深度学习的效果至少应优于随机算法
D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
A.支持向量是距离超乎面最近的点组成的向量
B.SVM算法不能用于处理非线性数据集
C.SVM可以被用于解决分类问题
D.SVM算法可以使用多种核函数
A.创建v_goods的用户默认为当前用户
B.视图算法由MySQL自动选择
C.视图的安全控制默认为DEFINER
D.以上说法都不正确
A.标号有P标号和T标号两种
B.T标号可以改变为P标号
C.P标号可以改变为T标号
D.Dijkstra算法仅适合于所有的权≥0的情形