A、基于数据挖掘的专家智能控制
B、基于遗传算法的软计算控制
C、基于人工神经网络的神经网络控制
D、以上说法都不对
答案:AC
解析:基础概念
A、基于数据挖掘的专家智能控制
B、基于遗传算法的软计算控制
C、基于人工神经网络的神经网络控制
D、以上说法都不对
答案:AC
解析:基础概念
A. K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象
B. K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念
C. K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇
D. K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇
解析: BP 算法不仅可用于多层前馈神经网络,还可用于其他类型的神经网络.
A. 样本较多但典型性不好
B. 样本较少但典型性好
C. 样本呈团状分布
D. 样本呈链状分布
A. k-means
B. 线性回归
C. 神经网络
D. 决策树
解析:k-means是聚类,属于无监督学习。
A. 自然语言系统
B. 机器学习
C. 专家系统
D. 人类感官模拟
A. 信息增益
B. 损失函数
C. 准确率
D. 召回率
解析:剪枝分为前剪枝和后剪枝,前剪枝本质就是早停止,后剪枝通常是通过衡量剪枝后损失函数变化来决定是否剪枝。
解析:当训练数据线性可分时,通过硬间隔最大化,也学习一个线性的分类器,即线性支持向量机,又称为硬间隔支持向量机
A. 数据
B. 设备
C. 计算机
D. 技术