A.粒度是指數(shù)據(jù)倉(cāng)庫(kù)小數(shù)據(jù)單元的詳細(xì)程度和級(jí)別
B.數(shù)據(jù)越詳細(xì)，粒度就越小，級(jí)別也就越高
C.數(shù)據(jù)綜合度越高，粒度也就越大，級(jí)別也就越高
D.粒度的具體劃分將直接影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量以及查詢質(zhì)量
您可能感興趣的試卷
你可能感興趣的試題
A.基本元數(shù)據(jù)與數(shù)據(jù)源，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息
B.基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息
C.基本元數(shù)據(jù)包括日志文件和簡(jiǎn)歷執(zhí)行處理的時(shí)序調(diào)度信息
D.基本元數(shù)據(jù)包括關(guān)于裝載和更新處理，分析處理以及管理方面的信息
A.數(shù)據(jù)倉(cāng)庫(kù)隨時(shí)間的變化不斷增加新的數(shù)據(jù)內(nèi)容
B.捕捉到的新數(shù)據(jù)會(huì)覆蓋原來(lái)的快照
C.數(shù)據(jù)倉(cāng)庫(kù)隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容
D.數(shù)據(jù)倉(cāng)庫(kù)中包含大量的綜合數(shù)據(jù)，這些綜合數(shù)據(jù)會(huì)隨著時(shí)間的變化不斷地進(jìn)行重新綜合
A.探索性數(shù)據(jù)分析
B.建模描述
C.預(yù)測(cè)建模
D.尋找模式和規(guī)則
A.分類
B.聚類
C.關(guān)聯(lián)分析
D.隱馬爾可夫鏈
A.關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
B.聚類
C.分類
D.自然語(yǔ)言處理
最新試題
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)。
如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。
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。
任何對(duì)數(shù)據(jù)處理與存儲(chǔ)系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。
給定用于2類分類問(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)更好的分類精度。
通過(guò)統(tǒng)計(jì)學(xué)可以推測(cè)擲兩個(gè)撒子同時(shí)選中3點(diǎn)的幾率。
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）。
數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。
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。
任務(wù)調(diào)度系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)才能使得數(shù)據(jù)收集工作可以不間斷地按照既定的目標(biāo)從目標(biāo)源獲取數(shù)據(jù)。