A.統(tǒng)計方法
B.鄰近度
C.密度
D.聚類技術(shù)
您可能感興趣的試卷
你可能感興趣的試題
A.分類器
B.聚類算法
C.關(guān)聯(lián)分析算法
D.特征選擇算法
A.邊界點
B.質(zhì)心
C.離群點
D.核心點
A.曼哈頓距離
B.平方歐幾里德距離
C.余弦距離
D.Bregman散度
A.層次聚類
B.劃分聚類
C.非互斥聚類
D.模糊聚類
A.組合（ensemble）
B.聚集（aggregate）
C.合并（combination）
D.投票（voting）
最新試題
通常，當(dāng)試圖從大量觀察中學(xué)習(xí)具有少量狀態(tài)的HMM時，我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓(xùn)練數(shù)據(jù)的可能性。
小數(shù)據(jù)集的數(shù)據(jù)處理最好也由計算機手段來完成。
使用偏差較小的模型總是比偏差較大的模型更好。
數(shù)據(jù)索引是保證數(shù)據(jù)處理高性能的軟件角度的一種手段，不做數(shù)據(jù)索引的數(shù)據(jù)訪問是線性訪問，但是做了索引的數(shù)據(jù)訪問會成倍的降低訪問時間。
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。
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。
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。
完整性，一致性，時效性，唯一性，有效性，準確性是衡量數(shù)據(jù)質(zhì)量的六個維度指標。
無論質(zhì)心的初始化如何，K-Means始終會給出相同的結(jié)果。
對于文本數(shù)據(jù)和多媒體數(shù)據(jù)進行特征提取是為了方便對于這類數(shù)據(jù)的觀察和理解。