深度学习尝试从数据中直接获取高等级的( ),这是深度学习与传统机器学习的主要不同。
A: 特征
B: 数据
C: 像素
D: 纹理
A: 特征
B: 数据
C: 像素
D: 纹理
举一反三
- 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
- 深度学习与传统的机器学习最主要的区别在于( ),即随着数据规模的增加,深度学习的性能行业不断提高。而当数据很少时,深度学习算法的性能并不好。 A: 特征处理 B: 数据依赖性 C: 问题解决方式 D: 硬件依赖
- 有关深度学习的说法,哪个是正确的? A: 深度学习可以解决任意的机器学习问题 B: 深度学习比较适合处理有大量样本的视频、图像、声音、文本等多模态数据的分析,这些数据的分析需要人工进行特征提取,这是与传统的机器学习不同的 C: 对于分类问题,深度学习算法一定优于传统的机器学习算法 D: 深度学习的基础是神经网络,因此深度学习算法基本可以使用梯度下降法
- 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
- 深度学习和传统机器学习的最大区别是 A: 处理的数据不同 B: 提取特征的方式不同 C: 计算量不同 D: 应用场景不同