以下关于机器学习的基本概念中说法错误的是：

专家系统，即按照经验制定的规则来做出决策的系统，并不具备学习能力。而机器学习并无“死板的规定”，而是通过训练数据自主学习对应的模型，从而对于输入做出相应的决策，具备可学习能力。

经验风险最小化最优模型，当样本容量很小时，经验风险最小化学习可能会产生哪种现象？

感知机不能学习异或XOR函数

正确。感知机是线性模型，因此不能表示复杂的函数。输入的两个逻辑值一真一假XOR结果为真，两个输入逻辑值同真同假XOR得假。训练集线性不可分，当然不能用感知机表示出XOR函数。不光感知机无法处理异或问题，所有的线性分类模型都无法处理异或分类问...

聚类任务是有监督学习还是无监督学习？

常用的模型学习的最优化算法有？

支持向量机是比核方法更为一般的机器学习方法。

核方法是比支持向量机更为一般的机器学习方法

数据科学家可能会同时使用多个算法（模型）进行预测，并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学习说法正确的是:

使用集成学习应该使单个模型之间有低相关性

一个可PAC学习的学习器要满足哪两个条件？

隐马尔科夫模型的学习算法中，如果训练数据除了包含观测序列外还包含状态序列，则该学习算法为非监督学习方法。

错误。隐马尔科夫模型的学习算法中，如果训练数据除了包含观测序列外还包含状态序列，则该学习算法为监督学习方法；如果训练数据包含观测序列而不包含状态序列，则该学习算法为非监督学习方法。

概率图模型的学习和推断方法只包括近似推断法。

梯度下降算法的正确步骤是.a、计算预测值和真实值之间的误差b、重复迭代,直至得到网络权重的最佳值c、把输入传入网络,得到输出值d、用随机值初始化权重和偏差e、对每一个产生误差的神经元,调整相应的(权重)值以减小误差

略

下列哪一项在神经网络中引入了非线性？

修正线性单元是非线性的激活函数。

下面哪项操作能实现跟神经网络中Dropout的类似效果？

Dropout可以认为是一种极端的Bagging，每一个模型都在单独的数据上训练，同时，通过和其他模型对应参数的共享，从而实现模型参数的高度正则化。

使用大批量的数据能得到更加精确的梯度估计，因此批量大小越大越好。

深度学习的最常用的正则化方法有那些？

Drop Connect 是另一种减少算法过拟合的正则化策略，是 Dropout 的一般化。在 Drop Connect 的过程中需要将网络架构权重的一个随机选择子集设置为零，取代了在 Dropout 中对每个层随机选择激活函数的子集设置为...