通过对某地区的部分人群进行调查,获得了他们对于的age、income、是否为student、Credit_rating以及是否购买某品牌的电脑的信息进行了记录。训练样例如表1,通过训练样例得到表2,表3为根据表2的统计数据,得到的在分类为YES和NO的条件下各个属性值取得的概率以及YES和NO在所有样例中取值的概率。
表1
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
A.14和5
B.5和3
C.9和0
D.9和5
您可能感兴趣的试卷
你可能感兴趣的试题
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
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
最新试题
在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本为10w条数据,负样本只有1w条数据,以下最合适的处理方法是()?
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
对于一个多分类模型,可以如何选择训练集?()
测试样例x=(age=youth,income=medium,student=no,credit_rating=excellent),则P(Yesx)=()
ROC曲线的x轴,实际上可以由每个阈值下混淆矩阵的()计算而来
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()
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
关于线性回归的描述,以下正确的有?()
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
属于簇有效性的监督度量是:()