APP下载
首页
>
IT互联网
>
计算机知识技术题库
搜索
计算机知识技术题库
题目内容
(
单选题
)
K-means算法采用了哪些策略?()

A、自底向上

B、贪心策略

C、自顶向下

D、以上都是

答案:B

计算机知识技术题库
从时空性来看,元宇宙是一个空间维度上()而时间维度上()的数字世界。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-1958-c021-5dd340f22406.html
点击查看题目
关于朴素贝叶斯分类器说法正确的是()。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-d358-c021-5dd340f22411.html
点击查看题目
贝叶斯网结构有效地表达了属性间的条件()
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-00e0-c021-5dd340f2241e.html
点击查看题目
下列关于半朴素贝叶斯描述错误的为
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a625-ed58-c021-5dd340f22408.html
点击查看题目
下列有关决策树说法错误的是
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-cf20-c021-5dd340f22408.html
点击查看题目
在目标检测中,ROIpooling算法能产生候选框
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f22405.html
点击查看题目
下列哪些属于频繁模式挖掘算法()
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-c7a0-c021-5dd340f2241e.html
点击查看题目
图像标签服务返回的 tag 可以有多个。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-27f0-c021-5dd340f22417.html
点击查看题目
梯度爆炸问题是指在训练深度神经网络的时候,梯度变得过大而损失函数变为无穷。在RNN中,下面哪种方法可以较好地处理梯度爆炸问题?
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-dad8-c021-5dd340f22407.html
点击查看题目
如何运行一个shell脚本。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-a860-c021-5dd340f22408.html
点击查看题目
首页
>
IT互联网
>
计算机知识技术题库
题目内容
(
单选题
)
手机预览
计算机知识技术题库

K-means算法采用了哪些策略?()

A、自底向上

B、贪心策略

C、自顶向下

D、以上都是

答案:B

分享
计算机知识技术题库
相关题目
从时空性来看,元宇宙是一个空间维度上()而时间维度上()的数字世界。

A. 虚拟,虚拟

B. 虚拟,真实

C. 真实,虚拟

D. 真实,真实

解析:从时空性来看,元宇宙是一个空间维度上虚拟而时间维度上真实的数字世界(百科)

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-1958-c021-5dd340f22406.html
点击查看答案
关于朴素贝叶斯分类器说法正确的是()。

A. 朴素贝叶斯分类器假设每个属性独立地对分类结果发生影响

B. 面对孤立的噪声点,朴素贝叶斯分类器是健壮的

C. 面对无关属性,朴素贝叶斯分类器是健壮的

D. 相关属性可能会降低朴素贝叶斯分类器的性能

解析:见算法解析

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-d358-c021-5dd340f22411.html
点击查看答案
贝叶斯网结构有效地表达了属性间的条件()

A. 独立性

B. 一致性

C. 有效性

D. 相关性

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-00e0-c021-5dd340f2241e.html
点击查看答案
下列关于半朴素贝叶斯描述错误的为

A. 假设属性之间完全独立

B. 假设属性之间部分相关

C. 独依赖估计为半朴素贝叶斯最常用的策略

D. 假设所以属性都依赖于同一个属性

解析:半朴素贝叶斯分类器的基本想法是适当考虑一部分属性问的相互依赖信息,从而既不需进行完全联合概率计算,又不至于彻底忽略了比较强的属性依赖关系

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a625-ed58-c021-5dd340f22408.html
点击查看答案
下列有关决策树说法错误的是

A. 是一个监督学习算法

B. 是一个分类模型

C. 是一个回归模型

D. 主要用来处理时间序列数据样本

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-cf20-c021-5dd340f22408.html
点击查看答案
在目标检测中,ROIpooling算法能产生候选框

解析:RoI是Region of Interest的简写,是指对一张图片的“感兴趣区域”,用于RCNN系列算法当中,输入图片在经过卷积网络得到feature maps后,利用选择搜索或者RPN算法来得到多个目标候选框,这些以输入图片为参考坐标的候选框在feature maps上的映射区域,即为目标检测中所说的RoI。

https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f22405.html
点击查看答案
下列哪些属于频繁模式挖掘算法()

A. FP-growth

B. DBSCAN

C. Apriori

D. GDBT

解析:见算法解析

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-c7a0-c021-5dd340f2241e.html
点击查看答案
图像标签服务返回的 tag 可以有多个。

A. true

B. false

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-27f0-c021-5dd340f22417.html
点击查看答案
梯度爆炸问题是指在训练深度神经网络的时候,梯度变得过大而损失函数变为无穷。在RNN中,下面哪种方法可以较好地处理梯度爆炸问题?

A. 用改良的网络结构比如LSTM和GRUs

B. 梯度裁剪

C. Dropout

D. 所有方法都不行

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-dad8-c021-5dd340f22407.html
点击查看答案
如何运行一个shell脚本。

A. ./test.sh

B. /bin/sh test.sh

C. test.sh

D. chmod +x ./test.sh

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-a860-c021-5dd340f22408.html
点击查看答案
试题通小程序
试题通app下载