最新試題
假設(shè)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。
題型：判斷題
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。
題型：判斷題
隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。
題型：判斷題
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。
題型：判斷題
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。
題型：判斷題
通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。
題型：判斷題
最大似然估計的一個缺點是，在某些情況下（例如，多項式分布），它可能會返回零的概率估計。
題型：判斷題
由于決策樹學會了對離散值輸出而不是實值函數(shù)進行分類，因此它們不可能過度擬合。
題型：判斷題
由于分類是回歸的一種特殊情況，因此邏輯回歸是線性回歸的一種特殊情況。
題型：判斷題
使決策樹更深將確保更好的擬合度，但會降低魯棒性。
題型：判斷題