A、偏差
B、方差
C、采样样本
D、权值分布
答案:D
解析:在分类学习中,提升方法通过反复修改训练数据的权值分布,构建一系列基本分类器并将它们线性组合,形成一个强分类器。
A、偏差
B、方差
C、采样样本
D、权值分布
答案:D
解析:在分类学习中,提升方法通过反复修改训练数据的权值分布,构建一系列基本分类器并将它们线性组合,形成一个强分类器。
A. 错误率
B. 精度
C. 误差
D. 查准率
解析:见算法解析
A. 最小
B. 最快
C. 最大
D. 最明显
解析:梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。
A. F(x)^2
B. F(x)F(y)
C. 1-[1-F(x)]^2
D. [1-F(x)][1-F(y)]
解析:只有A正确, Fz(x)=P{Z≤x}=P{max{X,Y}≤x}=P{X≤x,Y≤x}=P{X≤x}P{Y≤x}=F(x)^2
解析:正确
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)。
A. 神经网络很快收敛
B. 神经网络精度提升
C. 神经网络难于收敛
D. 神经网络精度降低
A. 有监督的建模技术
B. 无监督的建模技术
C. 分类建模技术
D. 聚合建模技术
A. Caffe
B. TensorFlow
C. MLOps
D. PaddlePaddle
A. RepeatedKFold
B. StratifiedKFold
C. LeavePOut
D. GroupKFold