單項選擇題Python是主流的統(tǒng)計分析、數(shù)據(jù)挖掘編程語言，擁有很多成熟的第三方庫包。從事數(shù)據(jù)挖掘常用的工具包有（）
A.Numpy
B.Scipy
C.Pandas
D.以上都是
您可能感興趣的試卷
你可能感興趣的試題
1.單項選擇題當一個用戶需要上網(wǎng)收發(fā)Email，進行VoIP時，他需要建立幾個承載（）
A.1
B.2
C.3
D.4
2.單項選擇題在網(wǎng)優(yōu)平臺中取數(shù)，以下哪個說法是錯誤的（）
A.可以獲取小區(qū)級參數(shù)
B.可以獲取MSC的參數(shù)
C.一次可以取多個時段數(shù)據(jù)
D.獲取取得資源配置數(shù)據(jù)
3.單項選擇題隨機選擇N個對象，每個對象初始的代表了一個簇的平均值或中心，對剩余的每個對象根據(jù)其余各個簇中心的距離，將它賦給最近的簇，然后重新計算每個簇的平均值，這個過程不斷重復，直到準則函數(shù)收斂，這種算法稱為（）
A.K中心算法
B.K平均算法
C.K原型算法
D.PAM算法
4.單項選擇題（）是一種用于線性和非線性數(shù)據(jù)的分類算法，它將原數(shù)據(jù)變換到高維空間，使用稱作支持向量的基本訓練元組，從中發(fā)現(xiàn)分離數(shù)據(jù)的超平面。
A.貝葉斯算法
B.支持向量機算法
C.神經(jīng)網(wǎng)絡算法
D.決策樹算法
5.單項選擇題后向傳播是一種用于分類的（）算法，使用梯度下降方法，它搜索一組權重，這組權重可以對數(shù)據(jù)建模，使得數(shù)據(jù)元組的網(wǎng)絡類預測和實際類標號之間的均方差距離最小。
A.貝葉斯算法
B.支持向量機算法
C.神經(jīng)網(wǎng)絡算法
D.決策樹算法
最新試題
滿意度分析建模數(shù)據(jù)來源于（）
題型：多項選擇題
最優(yōu)影響力模型選擇標準是（）
題型：多項選擇題
數(shù)據(jù)挖掘系統(tǒng)可以根據(jù)什么標準進行分類（）
題型：多項選擇題
客戶感知溯源分析結合網(wǎng)管、經(jīng)分數(shù)據(jù)等，建立貼近客戶使用體驗的感知評價。通過（）核心算法從海量的客戶網(wǎng)絡行為樣本中識別異常點，并進行聚類分析，判斷異常屬于群體現(xiàn)象或個別現(xiàn)象。
題型：多項選擇題
DPI設備支持的復用包括（）
題型：多項選擇題
下列屬于數(shù)據(jù)歸納方法的是（）
題型：多項選擇題
如何進行數(shù)據(jù)清洗（）
題型：多項選擇題
隨機森林利用隨機的方式將許多決策樹組合成一個森林，每個決策樹在分類的時候決定測試樣本的最終類別。它的優(yōu)點是（）
題型：多項選擇題
樸素貝葉斯分類器對（）數(shù)據(jù)具有較好的分類效果。
題型：多項選擇題
關聯(lián)規(guī)則挖掘最為著名的是Agrawal等人提出的（）及其改進算法。
題型：單項選擇題