190.SPSS中，数据整理的功能主要集中在（ ）等菜单中A.数据B.直销C.分析D.转换正确答案：AD刘炫320，本题题目及解析来源：http:/blog.csdn.net/column/details/16442.html解析：对数据的整理主要在数据和转换功能菜单中。191.深度学习是当前很热门的机器学习算法，在深度学习中，涉及到大量的矩阵相乘，现在需要计算三个稠密矩阵A,B,C的乘积ABC,假设三个矩阵的尺寸分别为mn，np，pq，且mnpq，以下计算顺序效率最高的是（）A.(AB)CB.AC(B)C.A(BC)D.所以效率都相同正确答案：A刘炫320，本题题目及解析来源：http:/blog.csdn.net/column/details/16442.html首先，根据简单的矩阵知识，因为 A*B ， A 的列数必须和 B 的行数相等。因此，可以排除 B 选项，然后，再看 A 、 C 选项。在 A 选项中，mn 的矩阵 A 和np的矩阵 B 的乘积，得到 mp的矩阵 A*B ，而 AB的每个元素需要 n 次乘法和 n-1 次加法，忽略加法，共需要 mnp次乘法运算。同样情况分析 A*B 之后再乘以 C 时的情况，共需要 mpq次乘法运算。因此， A 选项 (AB)C 需要的乘法次数是 mnp+mpq 。同理分析， C 选项 A (BC) 需要的乘法次数是 npq+mnq。由于mnpmnq，mpq1是正类，y-1是负类，决策面y=0，加入一个y=-30的正类噪声样本，那么决策面将会变“歪”很多，分类间隔变小，泛化能力减小。加入正则项之后，对噪声样本的容错能力增强，前面提到的例子里面，决策面就会没那么“歪”了，使得分类间隔变大，提高了泛化能力。B正确。C错误。间隔应该是2/|w|才对，后半句应该没错，向量的模通常指的就是其二范数。D正确。考虑软间隔的时候，C对优化问题的影响就在于把a的范围从0，+inf限制到了0,C。C越小，那么a就会越小，目标函数拉格朗日函数导数为0可以求出w=求和aiyixi，a变小使得w变小，因此间隔2/|w|变大194.在HMM中,如果已知观察序列和产生观察序列的状态序列,那么可用以下哪种方法直接进行参数估计()A.EM算法B.维特比算法C.前向后向算法D.极大似然估计正确答案：D刘炫320，本题题目及解析来源：http:/blog.csdn.net/column/details/16442.htmlEM算法： 只有观测序列，无状态序列时来学习模型参数，即Baum-Welch算法维特比算法： 用动态规划解决HMM的预测问题，不是参数估计前向后向算法：用来算概率极大似然估计：即观测序列和相应的状态序列都存在时的监督学习算法，用来估计参数注意的是在给定观测序列和对应的状态序列估计模型参数，可以利用极大似然发估计。如果给定观测序列，没有对应的状态序列，才用EM，将状态序列看不不可测的隐数据。本期思考题：195.假定某同学使用Naive Bayesian（NB）分类模型时，不小心将训练数据的两个维度搞重复了，那么关于NB的说法中正确的是：A.这个被重复的特征在模型中的决定作用会被加强B.模型效果相比无重复特征的情况下精确度会降低C.如果所有特征都被重复一遍，得到的模型预测结果相对于不重复的情况下的模型预测结果一样。D.当两列特征高度相关时，无法用两列特征相同时所得到的结论来分析问题E.NB可以用来做最小二乘回归F.以上说法都不正确