A.DBSCAN
B.C4.5
C.K-Mean
D.EM
您可能感興趣的試卷
你可能感興趣的試題
A.與同一時期其他數(shù)據(jù)對比
B.可視化
C.基于模板的方法
D.主觀興趣度量
A.系數(shù)
B.幾率
C.Cohen度量
D.興趣因子
A.頻繁子集挖掘
B.頻繁子圖挖掘
C.頻繁數(shù)據(jù)項挖掘
D.頻繁模式挖掘
A.s=<{2,4},{3,5,6},{8}>,t=<{2},{3,6},{8}>
B.s=<{2,4},{3,5,6},{8}>,t=<{2},{8}>
C.s=<{1,2},{3,4}>,t=<{1},{2}>
D.s=<{2,4},{2,4}>,t=<{2},{4}>
A.1,2,3,4
B.1,2,3,5
C.1,2,4,5
D.1,3,4,5
最新試題
無論質(zhì)心的初始化如何,K-Means始終會給出相同的結果。
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。
通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。
要將工作申請分為兩類,并使用密度估計來檢測離職申請人,我們可以使用生成分類器。
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。
數(shù)據(jù)收集中的拉模式需要通過定時的方式不斷地觸發(fā),才能源源不斷地獲取對應的數(shù)據(jù)。
數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。
使決策樹更深將確保更好的擬合度,但會降低魯棒性。
由于決策樹學會了對離散值輸出而不是實值函數(shù)進行分類,因此它們不可能過度擬合。
假設屬性的數(shù)量固定,則可以在時間上以線性方式學習基于高斯的貝葉斯最優(yōu)分類器,而該數(shù)量是數(shù)據(jù)集中記錄的數(shù)量。