A.用训练集上的PCA模型处理测试集数据,然后把得到的数据输入到多元线性回归模型做预测。
B.用测试集上的PCA模型处理测试集数据,然后把得到的数据输入到多元线性回归模型做预测。
C.用全部数据集上的PCA模型处理测试集数据,然后把得到的数据输入到多元线性回归模型做预测。
D.以上皆可
您可能感兴趣的试卷
你可能感兴趣的试题
A.先用全数据的均值填充缺失值,然后随机分割训练集、测试集
B.先随机分割训练集、测试集,然后用各自集合的均值填充缺失值
C.先随机分割训练集、测试集,然后用训练集的均值填充缺失值
D.先随机分割训练集、测试集,然后用测试集的均值填充缺失值
根据以下混淆矩阵和ROC曲线,回答以下两题:
A.A/(A+B)
B.A/(A+D)
C.B/(B+C)
D.C/(B+C)
根据以下混淆矩阵和ROC曲线,回答以下两题:
A.C/(C+D)
B.D/(A+D)
C.B/(B+C)
D.C/(B+C)
A.用来度量一类商品相对于它的一般购买率,此时被购买的可能性大小
B.不能避免不平衡数据标签的偏差性
C.Lift越大,数据质量越大
D.如果lift=1,说明两个事项有正向关联
A.其支持度小于阈值
B.都是不让人感兴趣的
C.包含负模式和负相关模式
D.对异常数据项敏感
A.轮廓系数
B.共性分类相关系数
C.熵
D.F度量
A.将负样本重复10次,生成10w样本量,打乱顺序参与分类
B.直接进行分类,可以最大限度利用数据
C.从10w正样本中随机抽取1w参与分类
D.将负样本每个权重设置为10,正样本权重为1,参与训练过程
A.最小损失准则
B.N-P判决
C.最小最大损失准则
D.最小误判概率准则
A.构建决策树输入数据的随机选取
B.构建决策树分裂节点的随机选取
C.构建决策树树的数量的随机选取
D.构建决策树所需特征的随机选取
A.这个被重复的特征在模型中的决定作用会被加强
B.模型效果相比无重复特征的情况下精确度会降低
C.如果所有特征都被重复一遍,得到的模型预测结果相对于不重复的情况下的模型预测结果一样
D.当两列特征高度相关时,无法用两列特征相同时所得到的结论来分析问题
最新试题
关于线性回归的描述,以下正确的有?()
离散型变量使用以下哪个统计量进行缺失值填补较合适?()
以下哪些算法或模型是有监督学习算法?()
以下算法中,属于有监督算法的是()
当遇到解释变量有多重共线性问题时,可以采取以下哪些方法以解决多重共线性问题:()
假定某同学使用Naive Bayesian(NB)分类模型时,不小心将训练数据的两个维度搞重复了,那么关于NB的说法中正确的是?()
非频繁模式是指()。
测试样例x=(age=youth,income=medium,student=no,credit_rating=excellent),则P(Nox)=()
在统计模式识分类问题中,当先验概率未知时,可以使用()?
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()