A、Kmeans
B、决策树
C、支持向量机
D、KNN
答案:BCD
A、Kmeans
B、决策树
C、支持向量机
D、KNN
答案:BCD
A. list.append(obj1,obj2)
B. list.append([obj1,obj2])
C. list.extend(obj1,obj2)
D. list.extend([obj1,obj2])
解析:基础概念
A. K-Means聚类法对噪声和离群点敏感
B. K-Means聚类法对变量的要求比较高
C. 由K-Means聚类法得到的聚类结果,轮廓系数都不是很大。
D. 应用K-Means聚类法需要预先设定聚类个数
解析:k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。
A. 多源异构
B. 多源同构
C. 异源同构
D. 异源异构
A. npusim info
B. npu
info
C. atlas-
Driver info
D. atlas info
A. 隐状态向量
B. 状态向量
C. 显状态向量
D. 以上都不对
解析:状态向量控制着整个LSTM单元的状态或者记忆,它会根据每个时刻的输入进行更新。
A. “自底向上”的聚合策略
B. “自底向上”的分拆策略
C. “自顶向下”的聚合策略
D. “自顶向下”的分拆策略
解析:见算法解析
A. 缺失数据的识别
B. 缺失数据的分析
C. 删除或插补缺失数据
D. 缺失数据的忽略
A. 全连接
B. 词嵌入层
C. 卷积层
D. 以上选项均不正确
A. 决策树模型
B. kNN分类
C. Adaboost
D. k-means
解析:Adaboost属于集成学习