以下文字与答案无关
提示:有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题,这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏,所以恳请 广大网友理解。
线性回归
B:逻辑回归
C:贝叶斯算法
D:K-近邻算法
线性回归
B:GBDT
C:随机森林
D:Xgboost
训练神经网络的学习速率,迭代次数,批次大小。
B:KNN中的K。
C:随机森林当中的树的棵数。
D:线性回归的权重系数w。
逻辑回归只能做2值分类,不能直接做多值分类
B:逻辑回归的估计方法是最小二乘法
C:逻辑回归比神经网络,更不容易过度拟合
D:逻辑回归要求自变量和目标变量是线性关系
SVM
B:DBSCAN
C:FP-growth
D:决策树
逻辑回归中的因变量和自变量均为分类变量
B:逻辑回归中因变量为分类变量
C:逻辑回归中自变量为分类变量
D:逻辑回归中,因变量和自变量均为连续型变量
朴素贝叶斯模型
B:最近邻分类算法
C:支持向量机
D:分类与回归树
密度聚类
B:层次聚类
C:谱聚类
D:Kmeans
产品型社群
B:兴趣型社群
C:品牌型社群
D:知识型社群
E:工具型社群
F:交叉连接型社群
感知机
B:BB算法
C:BP算法
D:阿黛尔算法
GBDT训练速度比随机森林快(同数据集、树的数量相同)
B:GBDT算法比随机森林容易过拟合
C:随机森林的更偏向于减小方差,GBDT更偏向于减小偏差
D:GBDT与随机森林都可以使用CART树作为基础树模型
抛币法
B:抽签法
C:随意
D:摸球
E:随机数字表
头痛
B:眩晕
C:语言障碍
D:意识障碍
E:腹痛A、随机分类法
B、任意或直觉分类法
C、数字分类法
D、遗传分类法
代码行估算法
B:功能点估算法
C:类比估算法
D:关键路径估算法
计算虚拟化
B:存储虚拟化
C:网络虚拟化
D:逻辑虚拟化
FIFO算法;
B:OPT算法;
C:LRU算法;
D:NRN算法;
E:LFU算法。
A*算法
B:yolo算法
C:Dijkstra算法
D:Mean-Shift搜索模型
卸货区
B:待检区
C:备料区
D:良品区
E:不良品区
F:超期呆滞区