如果结果不匹配，请 
更多“机器学习中，模型需要输入什么来训练自身，预测未知?()”相关的问题
第1题
下面关于机器学习的说法中,正确的有（)。
A.监督学习的监督体现在所有机器要处理的数据实现都要由人为定义好相应的类别,再对分类算法进行训练,最后得到可以使用的分类器
B.按照不同的学习理论划分,机器学习模型可以分为有监督学习、半监督学习、无监督学习以及强化学习等不同类型
C.有监督学习的数据集有标签,无监督相比于有监督,没有训练过程,而是直接拿数据进行建模分析
D.在实际应用中,机器学习主要以无监督学习或半监督学习方式为主
第3题
对于具体的评价过程，其往往采用（)基本步骤来实现移动学习的人工智能评价。
A.搜集大数据——分析学习模型——输入学习建议
B.输出大数据——构建学习模型——输入学习建议
C.输出大数据——构建学习模型——输出学习建议
D.搜集大数据——构建学习模型——输出学习建议
第6题
人工神经网络中,（)算法不需要知道期望输出。在训练过程中，只要向神经网络提供输入模式，神经网络就能够自动地适应连接权，以便按相似特征把输入模式分组聚集。
A.有师学习
B.无师学习
C.机械学习
D.以上选项都不对
第7题
关于深度学习模型训练，以下哪个说法是错误的（)？
A.网中网(NIN)结构用全连接的多层感知机去代替传统的卷积，提升了模型的计算性能，但计算量显著增加
B.网络层数越多，学习率可设置偏大，否则容易引起梯度消失
C.VGG只要很少的迭代次数就会收敛，这是因为小的过滤尺寸起到了隐式的正则化的作用
D.Bagging中每个训练集互不相关，而Boosting中训练集要在上一轮的结果上进行调整，所以不能并行计算
第8题
有一个关于机器学习中的有监督学习、无监督学习和增强学习的有趣比喻：把机器学习（智能)比作一个蛋糕，什么是蛋糕本体，什么是蛋糕上的樱桃，而什么仅仅能算作蛋糕上的糖霜？（)
A.有监督学习、增强学习、迁移学习
B.无监督学习、增强学习、有监督学习
C.增强学习、无监督学习、元学习
D.迁移学习、增强学习元学习
第10题
以下哪些是可能导致模型过拟合的原因（)。
A.模型学习到了样本的一般性质
B.学习迭代次数过多
C.训练集数量级和模型复杂度不匹配，训练集的数量级小于模型的复杂度
D.训练集和测试集特征分布不一致
