方向：
分类：
细分：
难度：
0 得票
0 挑战
2447 浏览

对于信息增益, 决策树分裂节点, 下面说法正确的是（）1 纯度高的节点需要更多的信息去区分2 信息增益可以用”1比特-熵”获得3 如果选择一个属性具有许多归类值, 那么这个信息增益是有偏差的

0 得票
0 挑战
1352 浏览

我们建立一个5000个特征, 100万数据的机器学习模型. 我们怎么有效地应对这样的大数据训练 :

0 得票
0 挑战
1630 浏览

在有监督学习中， 我们如何使用聚类方法？ 1. 我们可以先创建聚类类别， 然后在每个类别上用监督学习分别进行学习 2. 我们可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习 3. 在进行监督学习之前， 我们不能新建聚类类别 4. 我们不可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习

0 得票
0 挑战
2329 浏览

对应GradientBoosting tree算法， 以下说法正确的是:

0 得票
0 挑战
1897 浏览

对于线性回归，下面哪些说法是正确的？1. 找到离群点很重要, 因为线性回归对离群点很敏感 2. 线性回归要求所有变量必须符合正态分布 3. 线性回归假设数据没有多重线性相关性

0 得票
0 挑战
1476 浏览

给线性回归模型添加一个不重要的特征可能会造成？

0 得票
0 挑战
1183 浏览

下列哪个不属于常用的文本分类的特征选择算法？

0 得票
0 挑战
1821 浏览

SVM在下列那种情况下表现糟糕

0 得票
0 挑战
2176 浏览

假设你训练SVM后，得到一个线性决策边界，你认为该模型欠拟合。在下次迭代训练模型时，应该考虑：

0 得票
0 挑战
1068 浏览

判断：没有必要有一个用于应用维数降低算法的目标变量。

微信公众号
有课学公众号
  • 微信公众号: geekdaxue