答案：B
解析：岭回归的误差函数的惩罚项是学习参数的平方之和
答案：B
解析：岭回归的误差函数的惩罚项是学习参数的平方之和
A. 线性函数转换
B. 对数函数转换
C. 反余切函数转换
D. 减去均值，除以方差
解析：基础知识
A. 评估—前向后向算法
B. 解码—维特比算法
C. 学习—Baum-Welch 算法
D. 学习—前向后向算法
A. 正确
B. 错误
解析：价值密度在大数据的特征中占核心地位
A. 相容
B. 相等
C. 互斥
D. 包含
解析：见算法解析
A. 业务系统
B. 网站
C. 电力系统
D. 业务流程
解析：主要应用
A. 调整兰德系数
B. 轮廓系数
C. 基尼系数
D. Jaccard系数
A. 0
B. 1
C. 2
D. 2.71828
解析：见函数库
A. JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇。
B. JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇。
C. JP聚类是基于SNN相似度的概念。
D. JP聚类的基本时间复杂度为O(m)。
