A、 np.exp
B、 np.abs
C、 np.power
D、 np.sum
答案:B
A、 np.exp
B、 np.abs
C、 np.power
D、 np.sum
答案:B
A. 数据图表化
B. 指标平铺化
C. 报表指标化
D. 指标层次化
A. A.GBDT是机器学习算法,XGBoost是该算法的工程实现。
B. B.GBDT采用CART作为基分类器,XGBoost支持多种类型的基分类器,比如线性分类器。
C. C.GBDT在模型训练时只使用了代价函数的一阶导数信息,XGBoost对代价函数进行了二阶泰勒展开,可以同时使用一阶和二阶导数。
D. D.GBDT在每轮迭代时使用全部的数据,XGBoost则采用了与随机森林相似的策略,支持对数据进行采样。
解析:GBDT是机器学习算法,采用CART作为基分类器,在模型训练时只使用了代价函数的一阶导数信息,在每轮迭代时使用全部的数据.XGBoost是该算法的工程实现,支持多种类型的基分类器,比如线性分类器。XGBoost对代价函数进行了二阶泰勒展开,可以同时使用一阶和二阶导数,采用了与随机森林相似的策略,支持对数据进行采样。
A. GBDT
B. XGBoost
C. LightGBM
D. Random Forest
A. 逻辑回归
B. 聚类算法
C. 冒泡算法
D. 决策树
A. 数据统计
B. 分类
C. 聚类
D. 关联分析
A. 前台工作人员为 了省事,将所有 用户年纪都输入 为30岁
B. 在采集数据时, 客户不愿意告知 某些数据项,导 致该数据项缺失
C. 客户填写家庭住 址时使用虚假地 址
D. 由于时效性,系 统中的手机号客 户已不再使用
A. 《数据分析挖掘 平台用户申请表 》
B. 《数据分析挖掘 平台数据申请表 》
C. 《关于申请使用 数据分析挖掘平 台数据的函》
D. 《关于申请导出 数据分析挖掘平 台数据的函》
A. pd.to_csv()
B. pd.read()
C. pd.read_csv()
D. pd.read_table()
A. count(cid)
B. count(distinct cid)
C. count(name)
D. count(*)