您可能感興趣的試卷
你可能感興趣的試題
A.交叉驗(yàn)證法不僅可以估計(jì)分類器的錯(cuò)誤率，還可以用于分類器參數(shù)的選擇。
B.交叉驗(yàn)證法中的測(cè)試集過(guò)小會(huì)帶來(lái)錯(cuò)誤率估計(jì)方差大的問(wèn)題，這個(gè)問(wèn)題可以通過(guò)多輪實(shí)驗(yàn)的平均得到一定的緩解。
C.在進(jìn)行交叉驗(yàn)證時(shí)，，一般讓臨時(shí)訓(xùn)練集較小，臨時(shí)測(cè)試集較大，這樣得到的錯(cuò)誤率估計(jì)就更接近用全部樣本作為訓(xùn)練樣本時(shí)的錯(cuò)誤率。
D.n倍交叉驗(yàn)證法和留一法都是交叉驗(yàn)證法的具體形式。
A.網(wǎng)絡(luò)結(jié)構(gòu)
B.樣本的數(shù)量
C.連接權(quán)值的學(xué)習(xí)
D.傳遞函數(shù)
A.分類面的位置是由判別函數(shù)的閾值決定的。
B.超平面的法線方向與判別函數(shù)的權(quán)向量的方向是一致的。
C.權(quán)向量與超平面垂直。
D.判別函數(shù)可以度量樣本x到超平面的距離。
A.相鄰兩個(gè)決策區(qū)域的決策面上的判別函數(shù)值是相等的
B.多類問(wèn)題的貝葉斯分類器中包含多個(gè)判別函數(shù)
C.兩類問(wèn)題的貝葉斯分類器中可以只用一個(gè)判別函數(shù)
D.貝葉斯分類器中的判別函數(shù)的形式是唯一的
最新試題
特征提取不僅可以降低特征空間的維度，還可以消除特征之間的相關(guān)性。
在進(jìn)行交叉驗(yàn)證時(shí)，一般讓臨時(shí)訓(xùn)練集較大，臨時(shí)測(cè)試集較小，這樣得到的錯(cuò)誤率估計(jì)就更接近用全部樣本作為訓(xùn)練樣本時(shí)的錯(cuò)誤率。
概率密度函數(shù)的估計(jì)的本質(zhì)是根據(jù)訓(xùn)練數(shù)據(jù)來(lái)估計(jì)概率密度函數(shù)的形式和參數(shù)。
貝葉斯估計(jì)中是將未知的參數(shù)本身也看作一個(gè)隨機(jī)變量，要做的是根據(jù)觀測(cè)數(shù)據(jù)對(duì)參數(shù)的分布進(jìn)行估計(jì)。
利用神經(jīng)網(wǎng)絡(luò)對(duì)兩類問(wèn)題進(jìn)行分類時(shí)，可以用一個(gè)輸出節(jié)點(diǎn)來(lái)實(shí)現(xiàn)。
特征選擇常用的次優(yōu)算法有順序前進(jìn)法，順序后退法和動(dòng)態(tài)順序前進(jìn)法三種。
在監(jiān)督模式識(shí)別中，分類器的形式越復(fù)雜，對(duì)未知樣本的分類精度就越高。
fisher線性判別方法可以將樣本從多維空間投影到一維空間。
在感知器算法中訓(xùn)練樣本需要經(jīng)過(guò)增廣化處理和規(guī)范化處理。
下面關(guān)于貝葉斯分類器的說(shuō)法中錯(cuò)誤的是（）。