A.4
B.5
C.6
D.7
您可能感興趣的試卷
你可能感興趣的試題
A.OLAP事務(wù)量大，但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高
B.OLAP的最終數(shù)據(jù)來(lái)源與OLTP不一樣
C.OLTP面對(duì)的是決策人員和高層管理人員
D.OLTP以應(yīng)用為核心，是應(yīng)用驅(qū)動(dòng)的
A.OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAP應(yīng)用程序不同
B.與OLAP應(yīng)用程序不同，OLTP應(yīng)用程序包含大量相對(duì)簡(jiǎn)單的事務(wù)
C.OLAP的特點(diǎn)在于事務(wù)量大，但事務(wù)內(nèi)容比較簡(jiǎn)單且重復(fù)率高
D.OLAP是以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)的，但其最終數(shù)據(jù)來(lái)源與OLTP一樣均來(lái)自底層的數(shù)據(jù)庫(kù)系統(tǒng)，兩者面對(duì)的用戶是相同的
關(guān)于OLAP的特性，下面正確的是（）
（1）快速性（2）可分析性（3）多維性（4）信息性（5）共享性
A.（1）（2）（3）
B.（2）（3）（4）
C.（1）（2）（3）（4）
D.（1）（2）（3）（4）（5）
A.在線性
B.對(duì)用戶的快速響應(yīng)
C.互操作性
D.多維分析
A.粒度是指數(shù)據(jù)倉(cāng)庫(kù)小數(shù)據(jù)單元的詳細(xì)程度和級(jí)別
B.數(shù)據(jù)越詳細(xì)，粒度就越小，級(jí)別也就越高
C.數(shù)據(jù)綜合度越高，粒度也就越大，級(jí)別也就越高
D.粒度的具體劃分將直接影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量以及查詢質(zhì)量
最新試題
對(duì)于文本數(shù)據(jù)和多媒體數(shù)據(jù)進(jìn)行特征提取是為了方便對(duì)于這類數(shù)據(jù)的觀察和理解。
假設(shè)屬性的數(shù)量固定，則可以在時(shí)間上以線性方式學(xué)習(xí)基于高斯的貝葉斯最優(yōu)分類器，而該數(shù)量是數(shù)據(jù)集中記錄的數(shù)量。
數(shù)據(jù)收集中的拉模式需要通過(guò)定時(shí)的方式不斷地觸發(fā)，才能源源不斷地獲取對(duì)應(yīng)的數(shù)據(jù)。
使決策樹(shù)更深將確保更好的擬合度，但會(huì)降低魯棒性。
給定用于2類分類問(wèn)題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因?yàn)镾VM通常能夠在訓(xùn)練集上實(shí)現(xiàn)更好的分類精度。
使用正則表達(dá)式可以找到一個(gè)文本文件中所有可能出現(xiàn)的手機(jī)號(hào)碼。
要將工作申請(qǐng)分為兩類，并使用密度估計(jì)來(lái)檢測(cè)離職申請(qǐng)人，我們可以使用生成分類器。
使用偏差較小的模型總是比偏差較大的模型更好。
公司內(nèi)部收集的數(shù)據(jù)不存在需要考慮數(shù)據(jù)隱私的環(huán)節(jié)。
通過(guò)統(tǒng)計(jì)學(xué)可以推測(cè)擲兩個(gè)撒子同時(shí)選中3點(diǎn)的幾率。