A.支持度閥值
B.項(xiàng)數(shù)（維度）
C.事務(wù)數(shù)
D.事務(wù)平均寬度
您可能感興趣的試卷
你可能感興趣的試題
A.數(shù)據(jù)的抽取
B.存儲(chǔ)和管理
C.數(shù)據(jù)的表現(xiàn)
D.數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
A.數(shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù)
B.數(shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ)
C.數(shù)據(jù)倉(cāng)庫(kù)是面向業(yè)務(wù)的，支持聯(lián)機(jī)事務(wù)處理（OLTP）
D.數(shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理
E.數(shù)據(jù)倉(cāng)庫(kù)的主要目標(biāo)就是幫助分析，做長(zhǎng)期性的戰(zhàn)略制定
A.主成分分析
B.特征提取
C.奇異值分解
D.特征加權(quán)
E.離散化
A.連續(xù)性
B.維度
C.稀疏性
D.分辨率
E.相異性
A.時(shí)序數(shù)據(jù)
B.序列數(shù)據(jù)
C.時(shí)間序列數(shù)據(jù)
D.事務(wù)數(shù)據(jù)
E.空間數(shù)據(jù)
最新試題
當(dāng)反向傳播算法運(yùn)行到達(dá)到最小值時(shí)，無(wú)論初始權(quán)重是什么，總是會(huì)找到相同的解（即權(quán)重）。
對(duì)于文本數(shù)據(jù)和多媒體數(shù)據(jù)進(jìn)行特征提取是為了方便對(duì)于這類(lèi)數(shù)據(jù)的觀察和理解。
訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過(guò)度擬合訓(xùn)練數(shù)據(jù)的潛在問(wèn)題。
使用偏差較小的模型總是比偏差較大的模型更好。
使用正則表達(dá)式可以找到一個(gè)文本文件中所有可能出現(xiàn)的手機(jī)號(hào)碼。
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(wèn)是線性訪問(wèn)，但是做了索引的數(shù)據(jù)訪問(wèn)會(huì)成倍的降低訪問(wèn)時(shí)間。
數(shù)據(jù)收集中的拉模式需要通過(guò)定時(shí)的方式不斷地觸發(fā)，才能源源不斷地獲取對(duì)應(yīng)的數(shù)據(jù)。
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(guò)允許更多隱藏狀態(tài)來(lái)增加訓(xùn)練數(shù)據(jù)的可能性。
假設(shè)屬性的數(shù)量固定，則可以在時(shí)間上以線性方式學(xué)習(xí)基于高斯的貝葉斯最優(yōu)分類(lèi)器，而該數(shù)量是數(shù)據(jù)集中記錄的數(shù)量。
由于分類(lèi)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。