多項(xiàng)選擇題對(duì)于原始特征空間中線性不可分、但無重疊的兩類樣本，以下說法正確的是（）。

A.可通過神經(jīng)網(wǎng)絡(luò)隱層將其變換到新的高維特征空間，使其在變換后的特征空間線性可分
B.可在原始特征空間組合多個(gè)線性分類器，從而構(gòu)建非線性分類邊界
C.可通過特征變換，將其變換到新的高維特征空間，使其線性可分
D.一定可以設(shè)計(jì)出分類器無誤地將其分開


您可能感興趣的試卷

你可能感興趣的試題

1.單項(xiàng)選擇題下面有關(guān)梯度提升決策樹的說法，錯(cuò)誤的是（）。

A.梯度提升決策樹是一種組合分類器
B.梯度提升決策樹屬于統(tǒng)計(jì)學(xué)習(xí)中序列向前的加性/相加模型（additive model）
C.梯度提升樹是通過序列添加新的決策樹以擬合已有決策樹預(yù)測損失的梯度
D.梯度提升決策和隨機(jī)森林一樣是基于多數(shù)投票的組合分類器

2.單項(xiàng)選擇題有關(guān)遙感圖像對(duì)象檢測中的對(duì)象定位，說法錯(cuò)誤的有（）。

A.對(duì)象的中心位置、長寬等定位參數(shù)通常被設(shè)置為回歸問題。
B.對(duì)象的中心點(diǎn)位置回歸時(shí)，通常以選擇的錨框中心點(diǎn)坐標(biāo)為基礎(chǔ)，回歸優(yōu)化的目標(biāo)是使錨框中心點(diǎn)坐標(biāo)偏離對(duì)象真實(shí)中心點(diǎn)位置的量與所預(yù)測對(duì)象的中心點(diǎn)位置偏離對(duì)象真實(shí)中心點(diǎn)位置的量之間的差異越小越好。
C.對(duì)象定位的目標(biāo)是使預(yù)測對(duì)象的定位參數(shù)直接和對(duì)象真實(shí)外包絡(luò)矩陣的參數(shù)差異越小越好。
D.對(duì)象檢測方法的學(xué)習(xí)是包括對(duì)象定位和對(duì)象分類的多任務(wù)學(xué)習(xí)問題。

3.單項(xiàng)選擇題對(duì)于不同類地物光譜差異很小、任意完全相同的地物分類問題，宜采取（）。

A.增加地物在圖像平面上的紋理或幾何等特征，提升不同類地物的可分性
B.基于光譜特征，通過增加模型的復(fù)雜程度達(dá)到有效分類的目的
C.擴(kuò)充同分布的訓(xùn)練數(shù)據(jù)規(guī)模
D.通過正則化簡化分類邊界

4.單項(xiàng)選擇題下面有模型擬合狀態(tài)的說法，錯(cuò)誤的是（）。

A.模型過擬合是指把訓(xùn)練樣本本身特點(diǎn)當(dāng)做所有潛在樣本都會(huì)具有的一般性質(zhì)
B.分類器在訓(xùn)練數(shù)據(jù)上錯(cuò)誤率很低，但在測試數(shù)據(jù)上的錯(cuò)誤率仍然很高，此時(shí)模型很可能處于過擬合狀態(tài)
C.分類器在測試數(shù)據(jù)上錯(cuò)誤率很高就是處于過擬合狀態(tài)
D.欠擬合是指模型在訓(xùn)練樣本的一般性質(zhì)尚未被學(xué)習(xí)器學(xué)好