A.去掉數(shù)據(jù)中的噪聲
B.對(duì)數(shù)據(jù)進(jìn)行匯總和聚集
C.使用概念分層，用高層次概念替換低層次“原始”數(shù)據(jù)
D.將屬性按比例縮放，使之落入一個(gè)小的特定區(qū)間
您可能感興趣的試卷
你可能感興趣的試題
A.填補(bǔ)數(shù)據(jù)種的空缺值
B.集成多個(gè)數(shù)據(jù)源的數(shù)據(jù)
C.得到數(shù)據(jù)集的壓縮表示
D.規(guī)范化數(shù)據(jù)
A.概念分層
B.離散化
C.分箱
D.直方圖
A.孤立點(diǎn)
B.空缺值
C.測(cè)量變量中的隨即錯(cuò)誤或偏差
D.數(shù)據(jù)變換引起的錯(cuò)誤
A.空間填充曲線
B.散點(diǎn)圖矩陣
C.平行坐標(biāo)
D.圓弓分割
A.標(biāo)稱屬性
B.二元屬性
C.序數(shù)屬性
D.數(shù)值屬性
最新試題
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)。
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。
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。
使決策樹更深將確保更好的擬合度，但會(huì)降低魯棒性。
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。
非結(jié)構(gòu)化數(shù)據(jù)也可以使用關(guān)系型數(shù)據(jù)庫來存儲(chǔ)。
數(shù)據(jù)復(fù)制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個(gè)角度來設(shè)計(jì)和實(shí)現(xiàn)的。
當(dāng)反向傳播算法運(yùn)行到達(dá)到最小值時(shí)，無論初始權(quán)重是什么，總是會(huì)找到相同的解（即權(quán)重）。
數(shù)據(jù)存儲(chǔ)體系中并不牽扯計(jì)算機(jī)網(wǎng)絡(luò)這一環(huán)節(jié)。
通過統(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。