A.分類和聚類都是有指導(dǎo)的學(xué)習(xí)
B.分類和聚類都是無指導(dǎo)的學(xué)習(xí)
C.分類是有指導(dǎo)的學(xué)習(xí)，聚類是無指導(dǎo)的學(xué)習(xí)
D.分類是無指導(dǎo)的學(xué)習(xí)，聚類是有指導(dǎo)的學(xué)習(xí)
您可能感興趣的試卷
你可能感興趣的試題
A.判定樹歸納
B.貝葉斯分類
C.后向傳播分類
D.基于案例的推理
A.OLTP系統(tǒng)主要用于管理當(dāng)前數(shù)據(jù)，而OLAP系統(tǒng)主要存放的是歷史數(shù)據(jù)
B.在數(shù)據(jù)的存取上，OLTP系統(tǒng)比OLAP系統(tǒng)有著更多的寫操作
C.對(duì)OLTP系統(tǒng)上的數(shù)據(jù)訪問量往往比對(duì)OLAP系統(tǒng)的數(shù)據(jù)訪問量要大得多
D.OLAP系統(tǒng)中往往存放的是匯總的數(shù)據(jù)，而OLTP系統(tǒng)中往往存放詳細(xì)的數(shù)據(jù)
A.企業(yè)倉庫
B.數(shù)據(jù)集市
C.虛擬倉庫
D.信息倉庫
A.數(shù)據(jù)源
B.數(shù)據(jù)倉庫服務(wù)器
C.OLAP服務(wù)器
D.前端工具
A.信息處理
B.互聯(lián)網(wǎng)搜索
C.分析處理
D.數(shù)據(jù)挖掘
最新試題
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?yàn)镾VM通常能夠在訓(xùn)練集上實(shí)現(xiàn)更好的分類精度。
數(shù)據(jù)復(fù)制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個(gè)角度來設(shè)計(jì)和實(shí)現(xiàn)的。
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。
數(shù)據(jù)收集中的拉模式需要通過定時(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)。
任務(wù)調(diào)度系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)才能使得數(shù)據(jù)收集工作可以不間斷地按照既定的目標(biāo)從目標(biāo)源獲取數(shù)據(jù)。
要將工作申請(qǐng)分為兩類，并使用密度估計(jì)來檢測離職申請(qǐng)人，我們可以使用生成分類器。
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。
當(dāng)數(shù)據(jù)集標(biāo)簽錯(cuò)誤的數(shù)據(jù)點(diǎn)時(shí)，隨機(jī)森林通常比AdaBoost更好。
數(shù)據(jù)存儲(chǔ)體系中并不牽扯計(jì)算機(jī)網(wǎng)絡(luò)這一環(huán)節(jié)。
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。