A.所涉及的算法的復(fù)雜性
B.所涉及的數(shù)據(jù)量
C.計算結(jié)果的表現(xiàn)形式
D.是否使用了人工智能技術(shù)
您可能感興趣的試卷
你可能感興趣的試題
A.目標(biāo)市場分析
B.購物籃分析
C.模式識別
D.信用卡欺詐檢測
A.二分K均值
B.MST
C.Chameleon
D.組平均
A.MIN（單鏈）
B.MAX（全鏈）
C.組平均
D.Chameleon
A.高維性
B.規(guī)模
C.稀疏性
D.噪聲和離群點
A.精度
B.Rand統(tǒng)計量
C.Jaccard系數(shù)
D.召回率
最新試題
經(jīng)常跟管理層打交道并進(jìn)行有效地關(guān)于商業(yè)領(lǐng)域的討論有助于數(shù)據(jù)科學(xué)項目的成功。
公司內(nèi)部收集的數(shù)據(jù)不存在需要考慮數(shù)據(jù)隱私的環(huán)節(jié)。
由于決策樹學(xué)會了對離散值輸出而不是實值函數(shù)進(jìn)行分類，因此它們不可能過度擬合。
數(shù)據(jù)收集中的拉模式需要通過定時的方式不斷地觸發(fā)，才能源源不斷地獲取對應(yīng)的數(shù)據(jù)。
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)。
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，因為SVM通常能夠在訓(xùn)練集上實現(xiàn)更好的分類精度。
隨機(jī)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。
當(dāng)數(shù)據(jù)集標(biāo)簽錯誤的數(shù)據(jù)點時，隨機(jī)森林通常比AdaBoost更好。
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。