A.與同一時(shí)期其他數(shù)據(jù)對(duì)比
B.可視化
C.基于模板的方法
D.主觀興趣度量
您可能感興趣的試卷
你可能感興趣的試題
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(xiàng)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
A.無(wú)向無(wú)環(huán)
B.有向無(wú)環(huán)
C.有向有環(huán)
D.無(wú)向有環(huán)
最新試題
當(dāng)反向傳播算法運(yùn)行到達(dá)到最小值時(shí)，無(wú)論初始權(quán)重是什么，總是會(huì)找到相同的解（即權(quán)重）。
使決策樹(shù)更深將確保更好的擬合度，但會(huì)降低魯棒性。
如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。
給定用于2類(lèi)分類(lèi)問(wèn)題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因?yàn)镾VM通常能夠在訓(xùn)練集上實(shí)現(xiàn)更好的分類(lèi)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(wèn)是線性訪問(wèn)，但是做了索引的數(shù)據(jù)訪問(wèn)會(huì)成倍的降低訪問(wèn)時(shí)間。
完整性，一致性，時(shí)效性，唯一性，有效性，準(zhǔn)確性是衡量數(shù)據(jù)質(zhì)量的六個(gè)維度指標(biāo)。
由于分類(lèi)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。
選擇用于k均值聚類(lèi)的聚類(lèi)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。
管理員不需要驗(yàn)證就可以訪問(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。
無(wú)論質(zhì)心的初始化如何，K-Means始終會(huì)給出相同的結(jié)果。