A.4
B.5
C.6
D.7
您可能感興趣的試卷
你可能感興趣的試題
A.OLAP事務(wù)量大，但事務(wù)內(nèi)容比較簡單且重復(fù)率高
B.OLAP的最終數(shù)據(jù)來源與OLTP不一樣
C.OLTP面對的是決策人員和高層管理人員
D.OLTP以應(yīng)用為核心，是應(yīng)用驅(qū)動的
A.OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAP應(yīng)用程序不同
B.與OLAP應(yīng)用程序不同，OLTP應(yīng)用程序包含大量相對簡單的事務(wù)
C.OLAP的特點(diǎn)在于事務(wù)量大，但事務(wù)內(nèi)容比較簡單且重復(fù)率高
D.OLAP是以數(shù)據(jù)倉庫為基礎(chǔ)的，但其最終數(shù)據(jù)來源與OLTP一樣均來自底層的數(shù)據(jù)庫系統(tǒng)，兩者面對的用戶是相同的
關(guān)于OLAP的特性，下面正確的是（）
（1）快速性（2）可分析性（3）多維性（4）信息性（5）共享性
A.（1）（2）（3）
B.（2）（3）（4）
C.（1）（2）（3）（4）
D.（1）（2）（3）（4）（5）
A.在線性
B.對用戶的快速響應(yīng)
C.互操作性
D.多維分析
A.粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細(xì)程度和級別
B.數(shù)據(jù)越詳細(xì)，粒度就越小，級別也就越高
C.數(shù)據(jù)綜合度越高，粒度也就越大，級別也就越高
D.粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量
最新試題
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。
隨機(jī)梯度下降每次更新執(zhí)行的計(jì)算量少于批梯度下降。
根據(jù)數(shù)據(jù)科學(xué)家與數(shù)據(jù)工程師對于問題的理解并相互討論，然后確定需要收集數(shù)據(jù)的范圍以及種類，然后數(shù)據(jù)工程師使用數(shù)據(jù)收集工具，架構(gòu)，甚至編程的形式來進(jìn)行數(shù)據(jù)收集的工作，然后并把數(shù)據(jù)收集的數(shù)據(jù)放置到對應(yīng)的存儲系統(tǒng)。
數(shù)據(jù)收集中的拉模式需要通過定時(shí)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)。
無論質(zhì)心的初始化如何，K-Means始終會給出相同的結(jié)果。
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(shí)間。
由于決策樹學(xué)會了對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。
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)。
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(gè)角度來設(shè)計(jì)和實(shí)現(xiàn)的。
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。