单选题假如我们建立一个 60000 个特征， 1 000 万数据集的机器学习模型，我们怎么有效的应对这样的大规模数据的训练

A、对样本进行抽样，在经过抽样的样本上训练

B、应用 PCA 算法降维，减少特征数量

C、根据重要性对特征进行筛选

D、以上所有

由4l***4o提供分享举报纠错

相关试题

单选题 RNN解决梯度消失的办法有？

A、选取更好的激活函数，如ReLU函数

B、加入BatchNorm层

C、改变传播结构，如换成LSTM

D、以上都可以

单选题关于GRU与LSTM的叙述正确的是

A、LSTM比GRU的参数少

B、GRU有三个门

C、LSTM内部使用了sigmoid和tanh激活函数

D、LSTM有两个门

单选题关于K-means算法的叙述错误的是

A、k-means是局部最优的，容易受到初始质心的影响

B、k值的选取会直接影响聚类结果

C、K均值算法的时间复杂度是O(m^2)

D、k-means算法收敛等同于所有质心不再发生变化

单选题适合使用RNN的应用场景有

A、文本生成

B、语音识别

C、机器翻译

D、以上都可以

单选题关于one-hot编码叙述错误的是

A、提升模型非线性能力

B、可以对特征进行扩充

C、需要多参数进行归一化处理

D、生成了较大的稀疏矩阵

单选题关于空洞卷积的叙述错误的是

A、增大了感受野

B、会出现棋盘格效应

C、会产生局部信息丢失

D、远距离卷积得到的信息之间具有相关性，不影响分类结果

单选题线性判别分析是一种（）学习方法

A、无监督

B、有监督

C、半监督

D、全监督

单选题支持向量机SVM的主要特点有

A、小样本学习方法

B、最大化分类边界

C、非线性映射

D、以上都有