A.標(biāo)稱(chēng)
B.序數(shù)
C.區(qū)間
D.相異
您可能感興趣的試卷
你可能感興趣的試題
A.第一個(gè)
B.第二個(gè)
C.第三個(gè)
D.第四個(gè)
A.變量代換
B.離散化
C.聚集
D.估計(jì)遺漏值
A.根據(jù)內(nèi)容檢索
B.建模描述
C.預(yù)測(cè)建模
D.尋找模式和規(guī)則
A.探索性數(shù)據(jù)分析
B.建模描述
C.預(yù)測(cè)建模
D.尋找模式和規(guī)則
A.頻繁模式挖掘
B.分類(lèi)和預(yù)測(cè)
C.數(shù)據(jù)預(yù)處理
D.數(shù)據(jù)流挖掘
最新試題
訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過(guò)度擬合訓(xùn)練數(shù)據(jù)的潛在問(wèn)題。
根據(jù)數(shù)據(jù)科學(xué)家與數(shù)據(jù)工程師對(duì)于問(wèn)題的理解并相互討論，然后確定需要收集數(shù)據(jù)的范圍以及種類(lèi)，然后數(shù)據(jù)工程師使用數(shù)據(jù)收集工具，架構(gòu)，甚至編程的形式來(lái)進(jìn)行數(shù)據(jù)收集的工作，然后并把數(shù)據(jù)收集的數(shù)據(jù)放置到對(duì)應(yīng)的存儲(chǔ)系統(tǒng)。
假設(shè)屬性的數(shù)量固定，則可以在時(shí)間上以線(xiàn)性方式學(xué)習(xí)基于高斯的貝葉斯最優(yōu)分類(lèi)器，而該數(shù)量是數(shù)據(jù)集中記錄的數(shù)量。
使決策樹(shù)更深將確保更好的擬合度，但會(huì)降低魯棒性。
任何對(duì)數(shù)據(jù)處理與存儲(chǔ)系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。
無(wú)論質(zhì)心的初始化如何，K-Means始終會(huì)給出相同的結(jié)果。
當(dāng)MAP中使用的先驗(yàn)是參數(shù)空間上的統(tǒng)一先驗(yàn)時(shí)，MAP估計(jì)等于ML估計(jì)。
使用偏差較小的模型總是比偏差較大的模型更好。
最大似然估計(jì)的一個(gè)缺點(diǎn)是，在某些情況下（例如，多項(xiàng)式分布），它可能會(huì)返回零的概率估計(jì)。
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。