A、决策树是一种监督式学习
B、监督式学习不可以使用交叉验证进行训练
C、监督式学习是一种基于规则的算法
D、监督式学习不需要标签就可以训练
答案:A
A、决策树是一种监督式学习
B、监督式学习不可以使用交叉验证进行训练
C、监督式学习是一种基于规则的算法
D、监督式学习不需要标签就可以训练
答案:A
A. 探索性数据分析
B. 建模描述
C. 预测建模
D. 寻找模式和规则
A. 信息增益与训练数据集的信息熵之比
B. 信息增益与训练数据集的经验熵之比
C. 信息增益与训练数据集的条件熵之比
D. 信息增益与训练数据集的交叉熵之比
解析:当熵和条件熵中的概率由数据估计(特别是极大似然估计)得到时,所对应的熵与条件熵分别称为经验熵(empirical entropy)和经验条件熵(empirical conditional entropy)。
A. 连接
B. 配合
C. 衔接和匹配
D. 连接和配合
A. 粒度是指数据仓库小数据单元的详细程度和级别;
B. 数据越详细,粒度就越小,级别也就越高;
C. 数据综合度越高,粒度也就越大,级别也就越高;
D. 粒度的具体划分将直接影响数据仓库中的数据量以及查询质量
A. Rand系数
B. DB指数
C. Dunn指数
D. 以上都是
A. 在线&;&离线&;&自动&;&手动
解析:主要应用
A. 2*3的数组
B. 1*1的数组
C. 3*2的数组
D. 以上都不对
A. 它是NameNode的热备
B. 它对内存没有要求
C. 它的目的是帮助NameNode合并编辑日志,减少NameNode启动时间
D. SecondaryNameNode应与NameNode部署到一个节点