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(guò)擬合
C.在某些噪音較大的分類或回歸問(wèn)題上不會(huì)過(guò)擬合
D.級(jí)別劃分較多的屬性不會(huì)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(yíng)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(guò)合理比例的樣本抽樣,開(kāi)展指標(biāo)計(jì)算與分析
B.對(duì)于業(yè)務(wù)質(zhì)量的指標(biāo)分析,選取單個(gè)用戶的業(yè)務(wù)訪問(wèn)xdr,即可計(jì)算該業(yè)務(wù)的指標(biāo)情況,評(píng)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(gè)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(lái)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(chǔ)
C.可視化
D.數(shù)據(jù)建模
最新試題
關(guān)于SOM聚類算法描述正確的是()
自有業(yè)務(wù)質(zhì)量監(jiān)測(cè)及競(jìng)對(duì)分析對(duì)系統(tǒng)的需求主要分為哪些方面()
大數(shù)據(jù)領(lǐng)域的主要開(kāi)源生態(tài)體系包括()
Hbase集群的后臺(tái)進(jìn)程名稱包括()
下列屬于數(shù)據(jù)歸納方法的是()
關(guān)于ROC曲線和ROC統(tǒng)計(jì)量,正確的說(shuō)法有()
給定一個(gè)數(shù)值屬性,怎樣才能平滑數(shù)據(jù),去掉噪聲?()
高鐵用戶識(shí)別基于以下哪些信息()
隨機(jī)森林利用隨機(jī)的方式將許多決策樹組合成一個(gè)森林,每個(gè)決策樹在分類的時(shí)候決定測(cè)試樣本的最終類別。它的優(yōu)點(diǎn)是()
互聯(lián)網(wǎng)本身具有()的特征,這種屬性特征給數(shù)據(jù)搜集、整理、研究帶來(lái)了革命性的突破。