A.基于圖的凝聚度
B.基于原型的凝聚度
C.基于原型的分離度
D.基于圖的凝聚度和分離度
您可能感興趣的試卷
你可能感興趣的試題
A.O（m）
B.O（m2）
C.O（logm）
D.O（m*logm）
A.MIN（單鏈）
B.MAX（全鏈）
C.組平均
D.Ward方法
A.MIN（單鏈）
B.MAX（全鏈）
C.組平均
D.Ward方法
A.統(tǒng)計(jì)方法
B.鄰近度
C.密度
D.聚類(lèi)技術(shù)
A.分類(lèi)器
B.聚類(lèi)算法
C.關(guān)聯(lián)分析算法
D.特征選擇算法
最新試題
如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。
支持向量機(jī)不適合大規(guī)模數(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。
管理員不需要驗(yàn)證就可以訪(fǎng)問(wèn)數(shù)據(jù)存儲(chǔ)系統(tǒng)中的任何數(shù)據(jù)，這符合數(shù)據(jù)安全的要求。
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。
數(shù)據(jù)收集中的拉模式需要通過(guò)定時(shí)的方式不斷地觸發(fā)，才能源源不斷地獲取對(duì)應(yīng)的數(shù)據(jù)。
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。
使決策樹(shù)更深將確保更好的擬合度，但會(huì)降低魯棒性。
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(lèi)數(shù)據(jù)的觀察和理解。