A.其支持度小于閾值
B.都是不讓人感興趣的
C.包含負模式和負相關模式
D.對異常數(shù)據(jù)項敏感
您可能感興趣的試卷
你可能感興趣的試題
A.支持度閥值
B.項數(shù)(維度)
C.事務數(shù)
D.事務平均寬度
A.數(shù)據(jù)的抽取
B.存儲和管理
C.數(shù)據(jù)的表現(xiàn)
D.數(shù)據(jù)倉庫設計
A.數(shù)據(jù)倉庫就是數(shù)據(jù)庫
B.數(shù)據(jù)倉庫是一切商業(yè)智能系統(tǒng)的基礎
C.數(shù)據(jù)倉庫是面向業(yè)務的,支持聯(lián)機事務處理(OLTP)
D.數(shù)據(jù)倉庫支持決策而非事務處理
E.數(shù)據(jù)倉庫的主要目標就是幫助分析,做長期性的戰(zhàn)略制定
A.主成分分析
B.特征提取
C.奇異值分解
D.特征加權
E.離散化
A.連續(xù)性
B.維度
C.稀疏性
D.分辨率
E.相異性
最新試題
當反向傳播算法運行到達到最小值時,無論初始權重是什么,總是會找到相同的解(即權重)。
小數(shù)據(jù)集的數(shù)據(jù)處理最好也由計算機手段來完成。
假設屬性的數(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。
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。
由于決策樹學會了對離散值輸出而不是實值函數(shù)進行分類,因此它們不可能過度擬合。
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。
訓練神經(jīng)網(wǎng)絡具有過度擬合訓練數(shù)據(jù)的潛在問題。
無論質心的初始化如何,K-Means始終會給出相同的結果。
隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。
管理員不需要驗證就可以訪問數(shù)據(jù)存儲系統(tǒng)中的任何數(shù)據(jù),這符合數(shù)據(jù)安全的要求。