A.關(guān)聯(lián)分析
B.分類和預(yù)測
C.聚類分析
D.孤立點(diǎn)分析
E.演變分析
您可能感興趣的試卷
你可能感興趣的試題
A.所涉及的算法的復(fù)雜性
B.所涉及的數(shù)據(jù)量
C.計(jì)算結(jié)果的表現(xiàn)形式
D.是否使用了人工智能技術(shù)
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(diǎn)
最新試題
通過統(tǒng)計(jì)學(xué)可以推測擲兩個(gè)撒子同時(shí)選中3點(diǎn)的幾率。
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。
對于文本數(shù)據(jù)和多媒體數(shù)據(jù)進(jìn)行特征提取是為了方便對于這類數(shù)據(jù)的觀察和理解。
隨機(jī)梯度下降每次更新執(zhí)行的計(jì)算量少于批梯度下降。
管理員不需要驗(yàn)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。
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。
當(dāng)MAP中使用的先驗(yàn)是參數(shù)空間上的統(tǒng)一先驗(yàn)時(shí)，MAP估計(jì)等于ML估計(jì)。
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)。
使用偏差較小的模型總是比偏差較大的模型更好。
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。