后向传播是一种用于分类的（)算法，使用梯度下降方法，它搜索一组权重，这组权重可以对数据建模，使得数据元组的网络类预测和实际类标号之间的均方差距离最小。

A.前向传播算法

B.后向传播算法

C.聚类算法

D.分类算法

A.支持向量机

B.向后传播

C.小波分析

D.Bootstrap

A.常见的决策树算法包括ID3、C4.5和CART算法

B.C4.5算法中属性选择使用信息增益率，避免了对属性值多的属性过度敏感

C.CART算法的基尼指数与ID3算法的信息增益都是用于属性选择

D.信息增益、信息增益率、基尼指数的计算结果不会影响决策树结构

A.逻辑回归可用于预测连续值

B.线性回归的结果是连续的

C.分类算法是一种有监督学习

D.聚类和分类一样

A.朴素贝叶斯分类方法可以跟决策树和神经网络算法相媲美

B.一种非常成熟的统计学分类方法

C.主要用来确定群组内部和群租间的相似度和相异度

D.主要用于分类问题的归类等

A.支持向量是距离超平面最近的点组成的向量

B.SVM算法不能用于处理非线性数据集

C.SVM可以被用于解决分类问题

D.SVM算法可以使用多种核函数

A.EM算法

B.最大似然估计

C.维特比算法

D.前向后向算法

A.给定一个弱学习算法和一个训练集，将该学习算法使用多次，得出预测函数序列，进行投票

B.针对同一个训练集训练不同的弱分类器集合起来，构成一个强分类器

C.利用多棵树对样本进行训练并预测的一种分类器

D.基于前向策略的加法模型，每阶段使用一个基模型去拟合上一阶段基模型的残差

A.给定一个弱学习算法和一个训练集，将该学习算法使用多次，得出预测函数序列，进行投票

B.针对同i个训练集训练不同的弱分类器并集合起来，构成一个强分类器

C.利用多棵树对样本进行训练并预测的一种分类器

D.基于前向策略的加法模型，每阶段使用一个基模型去拟合上一阶段基模型的残差