A.能夠處理高緯度的數(shù)據(jù)，并且不做特征選擇
B.每次學(xué)習(xí)使用不同訓(xùn)練集，一定程度避免過擬合
C.在某些噪音較大的分類或回歸問題上不會過擬合
D.級別劃分較多的屬性不會影響模型效果
您可能感興趣的試卷
你可能感興趣的試題
A.決策樹算法
B.回歸算法
C.聚類分析
D.神經(jīng)網(wǎng)絡(luò)算法
A.信令CDR數(shù)據(jù)
B.話務(wù)統(tǒng)計(jì)數(shù)據(jù)
C.綜合資源數(shù)據(jù)
D.業(yè)務(wù)營銷數(shù)據(jù)
A.分類樹
B.回歸數(shù)
C.二分?jǐn)?shù)
D.多分樹
A.當(dāng)業(yè)務(wù)質(zhì)量分析的樣本流量太大，可以結(jié)合計(jì)算資源能力，通過合理比例的樣本抽樣，開展指標(biāo)計(jì)算與分析
B.對于業(yè)務(wù)質(zhì)量的指標(biāo)分析，選取單個用戶的業(yè)務(wù)訪問xdr，即可計(jì)算該業(yè)務(wù)的指標(biāo)情況，評估該業(yè)務(wù)是否存在內(nèi)容資源質(zhì)差
C.不同業(yè)務(wù)的質(zhì)量指標(biāo)通常存在一定差值，該現(xiàn)象與各業(yè)務(wù)的業(yè)務(wù)特性、用戶行為、內(nèi)容資源差異等多個因素有關(guān)，屬于正?，F(xiàn)象
D.業(yè)務(wù)質(zhì)量分析中，通常結(jié)合業(yè)務(wù)指標(biāo)的歷史值（如該指標(biāo)上周均值）與指標(biāo)的固定閾值（如成功率是否低于90%），來作為是否出現(xiàn)質(zhì)差或者劣化的判斷依據(jù)
A.數(shù)據(jù)清洗
B.數(shù)據(jù)存儲
C.可視化
D.數(shù)據(jù)建模
最新試題
Hbase集群的后臺進(jìn)程名稱包括（）
如何進(jìn)行數(shù)據(jù)清洗（）
在Hadoop集群中，一個MapReduce作業(yè)的執(zhí)行流程包括以下哪些（）
高鐵用戶識別基于以下哪些信息（）
下面關(guān)于維的概念哪個是不正確的（）
物聯(lián)網(wǎng)端到端質(zhì)量分析應(yīng)用中網(wǎng)絡(luò)接入時長定界流程，當(dāng)下列哪些過程時延損耗較大需要轉(zhuǎn)EPC進(jìn)行處理（）
不屬于數(shù)據(jù)挖掘的功能是（）
大數(shù)據(jù)領(lǐng)域的主要開源生態(tài)體系包括（）
隨機(jī)森林利用隨機(jī)的方式將許多決策樹組合成一個森林，每個決策樹在分類的時候決定測試樣本的最終類別。它的優(yōu)點(diǎn)是（）
客戶感知溯源分析結(jié)合網(wǎng)管、經(jīng)分?jǐn)?shù)據(jù)等，建立貼近客戶使用體驗(yàn)的感知評價(jià)。通過（）核心算法從海量的客戶網(wǎng)絡(luò)行為樣本中識別異常點(diǎn)，并進(jìn)行聚類分析，判斷異常屬于群體現(xiàn)象或個別現(xiàn)象。