單項(xiàng)選擇題Python是主流的統(tǒng)計(jì)分析、數(shù)據(jù)挖掘編程語(yǔ)言，擁有很多成熟的第三方庫(kù)包。從事數(shù)據(jù)挖掘常用的工具包有（）
A.Numpy
B.Scipy
C.Pandas
D.以上都是
您可能感興趣的試卷
你可能感興趣的試題
1.單項(xiàng)選擇題當(dāng)一個(gè)用戶需要上網(wǎng)收發(fā)Email，進(jìn)行VoIP時(shí)，他需要建立幾個(gè)承載（）
A.1
B.2
C.3
D.4
2.單項(xiàng)選擇題在網(wǎng)優(yōu)平臺(tái)中取數(shù)，以下哪個(gè)說(shuō)法是錯(cuò)誤的（）
A.可以獲取小區(qū)級(jí)參數(shù)
B.可以獲取MSC的參數(shù)
C.一次可以取多個(gè)時(shí)段數(shù)據(jù)
D.獲取取得資源配置數(shù)據(jù)
3.單項(xiàng)選擇題隨機(jī)選擇N個(gè)對(duì)象，每個(gè)對(duì)象初始的代表了一個(gè)簇的平均值或中心，對(duì)剩余的每個(gè)對(duì)象根據(jù)其余各個(gè)簇中心的距離，將它賦給最近的簇，然后重新計(jì)算每個(gè)簇的平均值，這個(gè)過(guò)程不斷重復(fù)，直到準(zhǔn)則函數(shù)收斂，這種算法稱為（）
A.K中心算法
B.K平均算法
C.K原型算法
D.PAM算法
4.單項(xiàng)選擇題（）是一種用于線性和非線性數(shù)據(jù)的分類算法，它將原數(shù)據(jù)變換到高維空間，使用稱作支持向量的基本訓(xùn)練元組，從中發(fā)現(xiàn)分離數(shù)據(jù)的超平面。
A.貝葉斯算法
B.支持向量機(jī)算法
C.神經(jīng)網(wǎng)絡(luò)算法
D.決策樹(shù)算法
5.單項(xiàng)選擇題后向傳播是一種用于分類的（）算法，使用梯度下降方法，它搜索一組權(quán)重，這組權(quán)重可以對(duì)數(shù)據(jù)建模，使得數(shù)據(jù)元組的網(wǎng)絡(luò)類預(yù)測(cè)和實(shí)際類標(biāo)號(hào)之間的均方差距離最小。
A.貝葉斯算法
B.支持向量機(jī)算法
C.神經(jīng)網(wǎng)絡(luò)算法
D.決策樹(shù)算法
最新試題
在數(shù)據(jù)挖掘中，以下哪三種算法應(yīng)用最為廣泛（）
題型：多項(xiàng)選擇題
關(guān)于SOM聚類算法描述正確的是（）
題型：多項(xiàng)選擇題
下列屬于數(shù)據(jù)歸納方法的是（）
題型：多項(xiàng)選擇題
滿意度分析建模數(shù)據(jù)來(lái)源于（）
題型：多項(xiàng)選擇題
關(guān)聯(lián)規(guī)則挖掘最為著名的是Agrawal等人提出的（）及其改進(jìn)算法。
題型：?jiǎn)雾?xiàng)選擇題
聚類分析中，通常使用（）來(lái)衡量?jī)蓚€(gè)對(duì)象之間的相異度。
題型：?jiǎn)雾?xiàng)選擇題
高鐵用戶識(shí)別基于以下哪些信息（）
題型：多項(xiàng)選擇題
DPI設(shè)備支持的復(fù)用包括（）
題型：多項(xiàng)選擇題
分類分析的兩個(gè)階段分別為（）。
題型：多項(xiàng)選擇題
當(dāng)目標(biāo)是連續(xù)變量時(shí)，該決策樹(shù)是（）
題型：?jiǎn)雾?xiàng)選擇題