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.平行坐標系
C.星形坐標
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
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。
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。
非結(jié)構(gòu)化數(shù)據(jù)也可以使用關(guān)系型數(shù)據(jù)庫來存儲。
隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。
使用正則表達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)。
當MAP中使用的先驗是參數(shù)空間上的統(tǒng)一先驗時,MAP估計等于ML估計。
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。
假設(shè)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。
如果P(A B)= P(A),則P(A∩B)= P(A)P(B)。