A.主成分分析
B.特征提取
C.奇異值分解
D.特征加權
E.離散化
您可能感興趣的試卷
你可能感興趣的試題
A.連續(xù)性
B.維度
C.稀疏性
D.分辨率
E.相異性
A.時序數(shù)據(jù)
B.序列數(shù)據(jù)
C.時間序列數(shù)據(jù)
D.事務數(shù)據(jù)
E.空間數(shù)據(jù)
A.不一致
B.重復
C.不完整
D.含噪聲
E.維度高
A.矩陣
B.平行坐標系
C.星形坐標
D.散布圖
E.Chernoff臉
A.忽略元組
B.使用屬性的平均值填充空缺值
C.使用一個全局常量填充空缺值
D.使用與給定元組屬同一類的所有樣本的平均值
E.使用最可能的值填充空缺值
A.統(tǒng)計
B.計算機組成原理
C.礦產挖掘
D.人工智能
A.分類
B.回歸
C.模式發(fā)現(xiàn)
D.模式匹配
A.決定要使用的表示的特征和結構
B.決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞
C.選擇一個算法過程使評分函數(shù)最優(yōu)
D.決定用什么樣的數(shù)據(jù)管理原則以高效地實現(xiàn)算法
A.模型
B.模式
C.模范
D.模具
A.JP聚類擅長處理噪聲和離群點,并且能夠處理不同大小、形狀和密度的簇
B.JP算法對高維數(shù)據(jù)效果良好,尤其擅長發(fā)現(xiàn)強相關對象的緊致簇
C.JP聚類是基于SNN相似度的概念
D.JP聚類的基本時間復雜度為O(m)
最新試題
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)復制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個角度來設計和實現(xiàn)的。
訓練神經網(wǎng)絡具有過度擬合訓練數(shù)據(jù)的潛在問題。
公司內部收集的數(shù)據(jù)不存在需要考慮數(shù)據(jù)隱私的環(huán)節(jié)。
當數(shù)據(jù)集標簽錯誤的數(shù)據(jù)點時,隨機森林通常比AdaBoost更好。
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。
任何對數(shù)據(jù)處理與存儲系統(tǒng)的操作均需要記錄,這符合數(shù)據(jù)安全的要求。
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。
數(shù)據(jù)存儲體系中并不牽扯計算機網(wǎng)絡這一環(huán)節(jié)。
使用偏差較小的模型總是比偏差較大的模型更好。