深度学习彻底颠覆了（ ）的范式，开启了数据驱动的表示学习方式。
A: 自动特征
B: 机器特征
C: 人造特征
D: 人脑特征
A: 自动特征
B: 机器特征
C: 人造特征
D: 人脑特征
举一反三
- 深度学习是机器学习的一个子问题，其主要目的是从数据中自动学习到有效的特征表示。
- 与传统机器学习方法相比，深度学习的优势在于 A: 深度学习可以自动学习特征 B: 深度学习完全不需要做数据预处理 C: 深度学习完全不提取底层特征，如图像边缘、纹理等 D: 深度学习不需要调参
- 中国大学MOOC: 深度学习是机器学习的一个子问题，其主要目的是从数据中自动学习到有效的特征表示。
- 特征是描述样本的特性的维度关于其在传统机器学习和深度学习的可解释性以下说法正确的是:-----------（） A: 特征在传统机器学习可解释性强,而在深度学习可解释性弱** B: 特征在传统机器学习可解释性弱,而在深度学习可解释性强 C: 特征在传统机器学习和深度学习可解释性均弱 D: 特征在传统机器学习和深度学习可解释性均强
- 深度学习是数据驱动的，它把人工构造特征这一任务交给机器和算法去完成。