A.预测准确度
B.查全率
C.模型᧿述的简洁度
D.计算复杂度
您可能感兴趣的试卷
你可能感兴趣的试题
A.Adaboost
B.GBDT
C.XGBOOST
D.随机森林
A.离散特征的增加和减少都很容易,易于模型的快速迭代
B.稀疏向量内积乘法运算速度快,计算结果方便存储,容易扩展
C.离散化后的特征对异常数据有很强的鲁棒性
D.特征离散化后,模型会变得不稳定
A.设C=1
B.设C=0
C.设C=无穷大
D.以上都不对
A.增加神经网络层数,可能会增加测试数据集的分类错误率
B.减少神经网络层数,总是能减小测试数据集的分类错误率
C.增加神经网络层数,总是能减小训练数据集的分类错误率
D.增加神经网络层数,不能减小训练数据集的分类错误率
A.数学理论已证明其具有实现任何复杂非线性映射的功能,使得它适合求解内部机制复杂的问题
B.能通过学习带正确答案的实例集自动ᨀ取合理的求解规则,既具有自学习能力
C.具有一定的推广概况能力
D.算法学习速度很快
A.信息熵
B.信息增益比
C.信息增益
D.Gini指数
A.因变量观测值总变差的大小
B.因变量回归估计值总变差的大小
C.因变量观测值与估计值之间的总变差
D.关于YX的编辑变化
A.Adaboost
B.GBDT
C.XGBOOST
D.随机森林
A.多项式核函数
B.logistic核函数
C.径向基核函数
D.Sigmoid核函数
A.Apriori算法、HotSpot算法
B.RBF神经网络、K均值法、决策树
C.K均值法、SOM神经网络
D.决策树、BP神经网络、贝叶斯
最新试题
下表是一个购物篮,假定支持度阈值为40%,其中()是频繁闭项集。1.abc2.abcd3.bce4.acde5.de
决策树(Decision Tree)算法,通常可以用来解决何种问题?()
分类型变量的缺失值可以怎样填充?()
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()
对于一个多分类模型,可以如何选择训练集?()
以下几项中,可以归于知识发掘处理(Knowledge Discovery Process)中的数据清洗阶段的有()
选择模型时,可能需要考虑以下哪些因素?()
以下算法中,属于无监督算法的是()
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?()
逻辑回归和SVM的联系与区别,正确的是?()