A.概念描述
B.分類和預(yù)測
C.聚類分析
D.演變分析
您可能感興趣的試卷
你可能感興趣的試題
A.劃分的方法
B.基于模型的方法
C.基于密度的方法
D.層次的方法
A.Euclidean距離
B.Manhattan距離
C.Eula距離
D.Minkowski距離
A.判定樹歸納
B.貝葉斯分類
C.后向傳播分類
D.基于案例的推理
A.分類和聚類都是有指導(dǎo)的學(xué)習(xí)
B.分類和聚類都是無指導(dǎo)的學(xué)習(xí)
C.分類是有指導(dǎo)的學(xué)習(xí)，聚類是無指導(dǎo)的學(xué)習(xí)
D.分類是無指導(dǎo)的學(xué)習(xí)，聚類是有指導(dǎo)的學(xué)習(xí)
A.判定樹歸納
B.貝葉斯分類
C.后向傳播分類
D.基于案例的推理
最新試題
由于分類是回歸的一種特殊情況，因此邏輯回歸是線性回歸的一種特殊情況。
選擇用于k均值聚類的聚類數(shù)k的一種好方法是嘗試k的多個值，并選擇最小化失真度量的值。
當MAP中使用的先驗是參數(shù)空間上的統(tǒng)一先驗時，MAP估計等于ML估計。
經(jīng)常跟管理層打交道并進行有效地關(guān)于商業(yè)領(lǐng)域的討論有助于數(shù)據(jù)科學(xué)項目的成功。
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。
管理員不需要驗證就可以訪問數(shù)據(jù)存儲系統(tǒng)中的任何數(shù)據(jù)，這符合數(shù)據(jù)安全的要求。
訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過度擬合訓(xùn)練數(shù)據(jù)的潛在問題。
給定用于2類分類問題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因為SVM通常能夠在訓(xùn)練集上實現(xiàn)更好的分類精度。
使決策樹更深將確保更好的擬合度，但會降低魯棒性。
數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。