题目内容
（请给出正确答案）
[判断题]
深度学习技术可利用海量金融交易数据，自动识别欺诈交易行为，进而实时拦截，以降低风险。典型应用场景有基于知识图谱技术的征信与风险控制、反欺诈等。（）
答案
查看答案
重要提示：请勿将账号共享给其他人使用，违者账号将被封禁！
查看《购买须知》>>>
请输入或粘贴题目内容
搜题
拍照、语音搜题，请扫码下载APP
题目内容
（请给出正确答案）
答案
更多“深度学习技术可利用海量金融交易数据，自动识别欺诈交易行为，进而实时拦截，以降低风险。典型应用场景有基于知识图谱技术的征信与风险控制、反欺诈等。（）”相关的问题
第1题
A.数据挖掘可以视为机器学习和数据库的交叉。
B.数据挖掘主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。
C.机器学习偏理论，数据挖掘偏应用。
D.两者是相互独立的两种数据处理技术。
第2题
第3题
A.深度学习可以自动学习特征
B.深度学习不需要做数据预处理
C.深度学习不能提取底层特征，如图像边缘、纹理等
D.深度学习不需要调参
第4题
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
第8题
A.数据采集是通过传感器、移动互联网、观测设备等获得种多类型的海量数据
B.数据预处理是数据分析和挖掘的基础，是将接收数据进行抽取、清洗、转换、归约等并最终加载到数据存储中的过程
C.数据存储过程需要将采集到的数据进行存储管理，在大数据场景下，只能使用非关系型数据库进行存储
D.数据分析是指利用相关数学模型以及机器学习算法对数据进行统计、预测和文本分析。数据的主要分析方法有探索性数据分析方法、描述统计法、数据可视化等
第9题
下列的哪种方法可以用来降低深度学习模型的过拟合问题（）？1增加更多的数据；2使用数据扩增技术；3使用归纳性更好的架构；4正规化数据；5降低架构的复杂度
A.145
B.123
C.1345
D.所有项目都有用
第10题
A.内存优化型
B.GPU加速型
C.平衡型
D.通用型
第11题
下列的哪种方法可以用来降低深度学习模型的过拟合问题（）。1.增加更多的数据2.使用数据扩增技术（data augmentation）3.使用归纳性更好的架构4.正规化数据5.降低架构的复杂度
A.145
B.123
C.1345
D.所有项目都有用
