A.PCA（主成分分析）
B.FA（因子分析）
C.MDS（多维尺度分析）
D.Apriori
您可能感兴趣的试卷
你可能感兴趣的试题
A.业务理解
B.建模预测
C.数据清洗
D.模型修正
A.所有的有监督学习模型都不支持有缺失值的情况
B.遇到有缺失值的情况，优先考虑删除变量
C.对于分类数据，考虑使用均值填充
D.对于连续型数据，考虑使用均值填充
如果某个特征（feature）有大量的异常值，那么可以采用以下哪些方法处理？（）
①盖帽法
②离散化
③转化为分类变量
A.①②③
B.①②
C.②③
D.①③
A.均值填充
B.盖帽法填充
C.众数填充
D.中位数填充
A.方差膨胀因子（VIF）
B.DW检验
C.观察残差自相关图
D.观察R2的大小
A.计算模型中的参数
B.预测未知数据
C.比较不同模型的预测准确度，以便选择模型
D.构建模型
A.有放回抽样
B.无放回抽样
C.取数据的前60%部分
D.取数据的后60%部分
A.箱形图
B.甘特图
C.雷达图
D.K线图
A.经过Z-Score Normalization处理后的数据，不可能再有小于0的值
B.经过Z-Score Normalization处理后的数据，不可能再有大于1的值
C.经过Min-Max Normalization处理后的数据，不可能再有小于0的值
D.经过Min-Max Normalization处理后的数据，可能还有大于1的值
数据清洗阶段，对于以下哪些处理方式可以用来处理缺失值？（）
①用均值填充
②转换为哑变量（0，1），代表数据是否缺失
③使用回归模型去预测缺失值
A.①②③
B.②③
C.①③
D.①②
最新试题
测试样例x=（age=youth，income=medium，student=no，credit_rating=excellent），则P（Nox）=（）
利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集，在候选2-项集中需要剪枝的是（）
属于簇有效性的监督度量是：（）
表2是由表1的数据得到的，表2中的M和N的值应该分别为？（）表2
如果一个回归模型分为两步：先使用PCA降维，然后用多元线性回归做预测，那么测试集的结果应当如何计算（）
ROC曲线的y轴，实际上可以由每个阈值下混淆矩阵的（）计算而来
以下哪些算法或模型是有监督学习算法？（）
关于缺失值填充与训练集、测试集的关系，下面正确的操作是（）
如果整个数据分析模型完成后，发现效果不良，考虑从哪些步骤入手改进？（）
在统计模式识分类问题中，当先验概率未知时，可以使用（）？