A.干擾樣本清理算法
B.異常樣本識別算法
C.異常樣本聚類算法
D.決策樹算法
您可能感興趣的試卷
你可能感興趣的試題
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,一定程度避免過擬合
C.在某些噪音較大的分類或回歸問題上不會過擬合
D.級別劃分較多的屬性不會影響模型效果
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)計數(shù)據(jù)
C.綜合資源數(shù)據(jù)
D.業(yè)務(wù)營銷數(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)合計算資源能力,通過合理比例的樣本抽樣,開展指標(biāo)計算與分析
B.對于業(yè)務(wù)質(zhì)量的指標(biāo)分析,選取單個用戶的業(yè)務(wù)訪問xdr,即可計算該業(yè)務(wù)的指標(biāo)情況,評估該業(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%),來作為是否出現(xiàn)質(zhì)差或者劣化的判斷依據(jù)
最新試題
DPI設(shè)備支持的復(fù)用包括()
GSP算法存在的問題包括()。
如何進(jìn)行數(shù)據(jù)清洗()
不屬于數(shù)據(jù)挖掘的功能是()
AprioriSome算法可以看作是AprioriAll算法的改進(jìn),具體過程分為()兩個階段。
Hbase集群的后臺進(jìn)程名稱包括()
在數(shù)據(jù)挖掘中,以下哪三種算法應(yīng)用最為廣泛()
關(guān)于SOM聚類算法描述正確的是()
大數(shù)據(jù)領(lǐng)域的主要開源生態(tài)體系包括()
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、研究帶來了革命性的突破。