A.精度
B.Rand統(tǒng)計(jì)量
C.Jaccard系數(shù)
D.召回率
您可能感興趣的試卷
你可能感興趣的試題
A.輪廓系數(shù)
B.共性分類相關(guān)系數(shù)
C.熵
D.F度量
A.規(guī)則集的表達(dá)能力遠(yuǎn)不如決策樹好
B.基于規(guī)則的分類器都對(duì)屬性空間進(jìn)行直線劃分,并將類指派到每個(gè)劃分
C.無法被用來產(chǎn)生更易于解釋的描述性模型
D.非常適合處理類分布不平衡的數(shù)據(jù)集
A.構(gòu)造網(wǎng)絡(luò)費(fèi)時(shí)費(fèi)力
B.對(duì)模型的過分問題非常魯棒
C.貝葉斯網(wǎng)絡(luò)不適合處理不完整的數(shù)據(jù)
D.網(wǎng)絡(luò)結(jié)構(gòu)確定后,添加變量相當(dāng)麻煩
A.F1度量
B.召回率(recall)
C.精度(precision)
D.真正率(ture positive rate,TPR)
A.預(yù)測(cè)準(zhǔn)確度
B.召回率
C.模型描述的簡(jiǎn)潔度
D.計(jì)算復(fù)雜度
A.其支持度小于閾值
B.都是不讓人感興趣的
C.包含負(fù)模式和負(fù)相關(guān)模式
D.對(duì)異常數(shù)據(jù)項(xiàng)敏感
A.支持度閥值
B.項(xiàng)數(shù)(維度)
C.事務(wù)數(shù)
D.事務(wù)平均寬度
A.數(shù)據(jù)的抽取
B.存儲(chǔ)和管理
C.數(shù)據(jù)的表現(xiàn)
D.數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
A.數(shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù)
B.數(shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ)
C.數(shù)據(jù)倉(cāng)庫(kù)是面向業(yè)務(wù)的,支持聯(lián)機(jī)事務(wù)處理(OLTP)
D.數(shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理
E.數(shù)據(jù)倉(cāng)庫(kù)的主要目標(biāo)就是幫助分析,做長(zhǎng)期性的戰(zhàn)略制定
A.主成分分析
B.特征提取
C.奇異值分解
D.特征加權(quán)
E.離散化
最新試題
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個(gè)信箱。
要將工作申請(qǐng)分為兩類,并使用密度估計(jì)來檢測(cè)離職申請(qǐng)人,我們可以使用生成分類器。
如果P(A B)= P(A),則P(A∩B)= P(A)P(B)。
使決策樹更深將確保更好的擬合度,但會(huì)降低魯棒性。
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)。
由于決策樹學(xué)會(huì)了對(duì)離散值輸出而不是實(shí)值函數(shù)進(jìn)行分類,因此它們不可能過度擬合。
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(huì)成倍的降低訪問時(shí)間。
對(duì)于文本數(shù)據(jù)和多媒體數(shù)據(jù)進(jìn)行特征提取是為了方便對(duì)于這類數(shù)據(jù)的觀察和理解。
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(gè)值,并選擇最小化失真度量的值。
支持向量機(jī)不適合大規(guī)模數(shù)據(jù)。