A.統(tǒng)計
B.計算機組成原理
C.礦產(chǎn)挖掘
D.人工智能
您可能感興趣的試卷
你可能感興趣的試題
A.分類
B.回歸
C.模式發(fā)現(xiàn)
D.模式匹配
A.決定要使用的表示的特征和結(jié)構(gòu)
B.決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞
C.選擇一個算法過程使評分函數(shù)最優(yōu)
D.決定用什么樣的數(shù)據(jù)管理原則以高效地實現(xiàn)算法
A.模型
B.模式
C.模范
D.模具
A.JP聚類擅長處理噪聲和離群點，并且能夠處理不同大小、形狀和密度的簇
B.JP算法對高維數(shù)據(jù)效果良好，尤其擅長發(fā)現(xiàn)強相關(guān)對象的緊致簇
C.JP聚類是基于SNN相似度的概念
D.JP聚類的基本時間復(fù)雜度為O（m）
A.概率
B.鄰近度
C.密度
D.聚類
最新試題
要將工作申請分為兩類，并使用密度估計來檢測離職申請人，我們可以使用生成分類器。
支持向量機不適合大規(guī)模數(shù)據(jù)。
當(dāng)反向傳播算法運行到達到最小值時，無論初始權(quán)重是什么，總是會找到相同的解（即權(quán)重）。
隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。
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的多個值，并選擇最小化失真度量的值。
如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。
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。
使用偏差較小的模型總是比偏差較大的模型更好。
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，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。
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。