A.F1度量
B.召回率（recall）
C.精度（precision）
D.真正率（ture positive rate，TPR）
您可能感興趣的試卷
你可能感興趣的試題
A.預(yù)測(cè)準(zhǔn)確度
B.召回率
C.模型描述的簡(jiǎn)潔度
D.計(jì)算復(fù)雜度
A.其支持度小于閾值
B.都是不讓人感興趣的
C.包含負(fù)模式和負(fù)相關(guān)模式
D.對(duì)異常數(shù)據(jù)項(xiàng)敏感
A.支持度閥值
B.項(xiàng)數(shù)（維度）
C.事務(wù)數(shù)
D.事務(wù)平均寬度
A.數(shù)據(jù)的抽取
B.存儲(chǔ)和管理
C.數(shù)據(jù)的表現(xiàn)
D.數(shù)據(jù)倉庫設(shè)計(jì)
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(chǔ)
C.數(shù)據(jù)倉庫是面向業(yè)務(wù)的，支持聯(lián)機(jī)事務(wù)處理（OLTP）
D.數(shù)據(jù)倉庫支持決策而非事務(wù)處理
E.數(shù)據(jù)倉庫的主要目標(biāo)就是幫助分析，做長(zhǎng)期性的戰(zhàn)略制定
最新試題
通常，當(dāng)試圖從大量觀察中學(xué)習(xí)具有少量狀態(tài)的HMM時(shí)，我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓(xùn)練數(shù)據(jù)的可能性。
當(dāng)數(shù)據(jù)集標(biāo)簽錯(cuò)誤的數(shù)據(jù)點(diǎn)時(shí)，隨機(jī)森林通常比AdaBoost更好。
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)。
假設(shè)屬性的數(shù)量固定，則可以在時(shí)間上以線性方式學(xué)習(xí)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。
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。
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個(gè)信箱。
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?yàn)镾VM通常能夠在訓(xùn)練集上實(shí)現(xiàn)更好的分類精度。
要將工作申請(qǐng)分為兩類，并使用密度估計(jì)來檢測(cè)離職申請(qǐng)人，我們可以使用生成分類器。
使用偏差較小的模型總是比偏差較大的模型更好。
根據(jù)數(shù)據(jù)科學(xué)家與數(shù)據(jù)工程師對(duì)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(duì)應(yīng)的存儲(chǔ)系統(tǒng)。