方向：
分类：
细分：
难度：
0 得票
0 挑战
1772 浏览

下面哪个属于SVM应用

0 得票
0 挑战
2174 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
2285 浏览

SVM中使用高斯核函数之前通常会进行特征归一化，以下关于特征归一化描述不正确的是？

0 得票
0 挑战
1122 浏览

假设现在只有两个类，这种情况下SVM需要训练几次？

0 得票
0 挑战
2671 浏览

假设你训练了一个基于线性核的SVM，多项式阶数为2，在训练集和测试集上准确率都为100%。如果增加模型复杂度或核函数的多项式阶数，将会发生什么？

0 得票
0 挑战
1677 浏览

想象一下，机器学习中有1000个输入特征和1个目标特征，必须根据输入特征和目标特征之间的关系选择100个最重要的特征。你认为这是减少维数的例子吗？

0 得票
0 挑战
1065 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。

0 得票
0 挑战
1540 浏览

以下哪种技术对于减少数据集的维度会更好？

0 得票
0 挑战
1212 浏览

判断：降维算法是减少构建模型所需计算时间的方法之一。

0 得票
0 挑战
1581 浏览

以下哪种算法不能用于降低数据的维数？

微信公众号
有课学公众号
  • 微信公众号: geekdaxue