A.1比特
B.2.6比特
C.3.2比特
D.3.8比特
您可能感興趣的試卷
你可能感興趣的試題
A.傅立葉變換
B.特征加權
C.漸進抽樣
D.維歸約
A.2
B.3
C.3.5
D.5
A.特征提取
B.特征修改
C.映射數(shù)據(jù)到新的空間
D.特征構造
A.嵌入
B.過濾
C.包裝
D.抽樣
A.計數(shù)屬性
B.離散屬性
C.非對稱的二元屬性
D.對稱屬性
最新試題
完整性,一致性,時效性,唯一性,有效性,準確性是衡量數(shù)據(jù)質量的六個維度指標。
要將工作申請分為兩類,并使用密度估計來檢測離職申請人,我們可以使用生成分類器。
對于文本數(shù)據(jù)和多媒體數(shù)據(jù)進行特征提取是為了方便對于這類數(shù)據(jù)的觀察和理解。
假設屬性的數(shù)量固定,則可以在時間上以線性方式學習基于高斯的貝葉斯最優(yōu)分類器,而該數(shù)量是數(shù)據(jù)集中記錄的數(shù)量。
如果P(A B)= P(A),則P(A∩B)= P(A)P(B)。
通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。
給定用于2類分類問題的線性可分離數(shù)據(jù)集,線性SVM優(yōu)于感知器,因為SVM通常能夠在訓練集上實現(xiàn)更好的分類精度。
通常,當試圖從大量觀察中學習具有少量狀態(tài)的HMM時,我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓練數(shù)據(jù)的可能性。
數(shù)據(jù)復制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個角度來設計和實現(xiàn)的。
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。