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(wù)數(shù)據(jù)
E.空間數(shù)據(jù)
您可能感興趣的試卷
你可能感興趣的試題
A.不一致
B.重復(fù)
C.不完整
D.含噪聲
E.維度高
A.矩陣
B.平行坐標(biāo)系
C.星形坐標(biāo)
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(chǎn)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
最新試題
使用正則表達(dá)式可以找到一個文本文件中所有可能出現(xiàn)的手機號碼。
支持向量機不適合大規(guī)模數(shù)據(jù)。
給定用于2類分類問題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因為SVM通常能夠在訓(xùn)練集上實現(xiàn)更好的分類精度。
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。
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。
由于決策樹學(xué)會了對離散值輸出而不是實值函數(shù)進(jìn)行分類，因此它們不可能過度擬合。
數(shù)據(jù)復(fù)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(shè)計和實現(xiàn)的。
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(yīng)的數(shù)據(jù)。
訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過度擬合訓(xùn)練數(shù)據(jù)的潛在問題。