A.MIN（單鏈）
B.MAX（全鏈）
C.組平均
D.Ward方法
您可能感興趣的試卷
你可能感興趣的試題
A.統(tǒng)計(jì)方法
B.鄰近度
C.密度
D.聚類技術(shù)
A.分類器
B.聚類算法
C.關(guān)聯(lián)分析算法
D.特征選擇算法
A.邊界點(diǎn)
B.質(zhì)心
C.離群點(diǎn)
D.核心點(diǎn)
A.曼哈頓距離
B.平方歐幾里德距離
C.余弦距離
D.Bregman散度
A.層次聚類
B.劃分聚類
C.非互斥聚類
D.模糊聚類
最新試題
任何對(duì)數(shù)據(jù)處理與存儲(chǔ)系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。
訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過度擬合訓(xùn)練數(shù)據(jù)的潛在問題。
當(dāng)MAP中使用的先驗(yàn)是參數(shù)空間上的統(tǒng)一先驗(yàn)時(shí)，MAP估計(jì)等于ML估計(jì)。
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。
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個(gè)信箱。
通常，當(dāng)試圖從大量觀察中學(xué)習(xí)具有少量狀態(tài)的HMM時(shí)，我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓(xùn)練數(shù)據(jù)的可能性。
使決策樹更深將確保更好的擬合度，但會(huì)降低魯棒性。
隨機(jī)梯度下降每次更新執(zhí)行的計(jì)算量少于批梯度下降。
完整性，一致性，時(shí)效性，唯一性，有效性，準(zhǔn)確性是衡量數(shù)據(jù)質(zhì)量的六個(gè)維度指標(biāo)。
數(shù)據(jù)索引是保證數(shù)據(jù)處理高性能的軟件角度的一種手段，不做數(shù)據(jù)索引的數(shù)據(jù)訪問是線性訪問，但是做了索引的數(shù)據(jù)訪問會(huì)成倍的降低訪問時(shí)間。