首页 › 答案 › 题库 › 远程教育

国家开放大学

117701先验概率是根据以往经验和分析得到的概率。
117702下列关于贝叶斯判别和线性判别，说法正确的是（）
117703通常情况下，线性判别（距离判别）一般采用马氏距离。
117704马氏距离既受总体空间大小的影响，也受计量单位的影响，反映了按平均水平计算被判定样本到中心的相对距离。
117705下列关于贝叶斯判别和线性判别，说法错误的是（）。
117706下列哪一个方法适用于类域的交叉或重叠较多的待分样本集（）
117707距离判别既没有考虑每个分类的观察值不同时，每类出现的机会是不同的，也没有考虑误判所造成的损失差异。
117708下列关于k近邻算法的k值，说法正确的是（）
117709如图是某数据集训练集和测试集的KNN算法的训练精度和测试精度，从图中可以判断k值取（）最为合适。
117710下列关于KNN算法说法错误的是（）。
117711如图分别为k=1，k=10，k=30时，训练集数据与测试集数据的分布，说法正确的是（）。
117712KNN算法在类别决策时，与极少量的相邻样本有关。
117713最近邻算法中，随着近邻个数的增加，模型的复杂度增加。
117714下列关于KNN算法说法正确的是（）。
117715KNN算法主要靠判别类域的方法来确定所属类别的，而不是靠周围有限的邻近的样本。
117716近邻选得多，模型则比较稳健。
117717KNN算法在类别决策时，与极多数量的相邻样本有关。
117718在决策树中，节点误分率越大，那么（）
117719在决策树中，节点熵越大，那么（）
117720KNN算法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的。
117721（假定在某个节点）如果数据已经只有一类了，则该节点为叶节点，否则进行下一步。该算法是：（）
117722决策树只有单一输出。
117723决策树中结点的最优划分是依据（）来确定的。
117724决策树中，由于信息增益最大的划分原则容易产生小而纯的子集，所以ID3算法提出了增益比。
117725采用将样本递归划分建立对象属性与对象值之间映射的算法是：（）
117726决策树中，由于信息增益最大的划分原则容易产生小而纯的子集，所以C4.5算法提出了增益比。其中k为划分的总数，关于k的说法正确的是（）
117727决策树是一种由节点和有向边组成的层次结构。下列属于决策树的节点的是：（）
117728决策树算法依据数据类型的不同和树状结构的不同有不同版本的决策树，下列属于决策算法的是：（）
117729决策树中，我们需要比较父节点与子节点的不纯度，他们的差越大，测试条件的效果就越好。
117730决策树中，我们需要比较父节点与子节点的不纯度，他们的差越小，测试条件的效果就越好。
117731决策树中，ID3算法只能处理定性变量，且一个变量使用过后就不能再次使用了。
117732关于下面的决策树说法不正确的是（）。
117733决策树中，ID3算法的一个变量使用过后还能再次使用。
117734下面关于决策树的剪枝操作理解错误的是（）。
117735决策树中，由于信息增益最大的划分原则容易产生小而纯的子集，所以C4.5算法提出了增益比。
117736决策树算法的C4.5算法可以处理（）。
117737下列不属于CART算法的优点的是（）。
117738决策树中，C4.5算法是ID3算法的延伸，可以处理缺失值、连续变量及剪枝等。
117739决策树中，ID3算法既能处理定性变量，也能处理连续变量、缺失值等。
117740决策树算法中，将当前样本划分为两个子样本，使得生成的每个非叶节点都有两个分支的算法是（）
117741关于下面的决策树说法正确的是（）。
117742下面关于决策树的剪枝操作理解正确的是（）。
117743下列属于CART算法的优点的是（）。
117744CART的结果不受自变量的单调变换的影响。
117745减枝准则是为了在精确性和复杂性中找到平衡，一般采用（）来度量两者之间的关系。
117746决策树的cp值越小，那么（）
117747下面关于决策树的剪枝操作理解不正确的是（）。
117748决策树中，CART算法生成的决策树是结构简洁的二叉树，在每一步的决策树只能选择“是”或“否”，即使一个feature有多个取值，也只能把数据分为两部分。
117749下列关于随机森林算法，说法错误的是（）
117750CART的结果受自变量的单调变换的影响。
117751构成随机森林的决策树越多，那么（）
117752用随机的方式建立一个森林。森林由很多决策树组成的算法是：（）
117753在聚类分析中，如果新类与其他类别之间存在多个点与点之间的距离，取这些距离最小者作为两类的距离，该方法为（）。
117754决策树中，CART算法生成的决策树是结构简洁的二叉树，在每一步的决策树只能选择“是”或“否”但当一个feature有多个取值，可以把数据分为多个部分。
117755Mahalanobis距离指的是：（）
117756随机森林算法建立决策树过程中，对于行采样，采样无放回的方式。
117757下列哪一项不属于聚类分析（）。
117758随机森林的优势是（）。
117759随机森林算法建立决策树过程中，对于行采样，采样有放回的方式，也就是在采样得到的样本集合中，可能有重复的样本。
117760下列关于随机森林算法，说法正确的是（）。
117761支持向量机算法中，超平面到所有两类数据点的距离之和称为分类器的边缘。
117762以寻找最大边缘超平面为目的，以及构建相应的分类决策函数来分类的算法是（）
117763对于解决小样本、非线性及高维模式识别问题，（）表现出许多特有的优势。
117764不知道哪些学生有相同的某些特征。考虑按照学生的考试成绩、社会实践、思想品德等方面划分奖学金的等级。通常采用（）。
117765非线性支持向量机通过引进核函数解决线性不可分问题。
117766当不知道哪些花是同一品种，哪些花不同品种时，考虑按照花瓣长宽与花萼长宽将不同品种的花分类。通常采用（）。
117767不知道哪些客户有同样的购物习惯与特征等。考虑按照客户的个人资料、购物特征、购物习惯等将客户进行分类。通常采用（）。
117768在聚类分析中，如果新类与其他类别之间存在多个点与点之间的距离，通过计算两类重心之间的欧氏距离平方作为两类之间的距离的方法为（）。
117769常用的核函数有（）。
117770按照经济发展、教育水平、面积大小、人口等诸多方面对我国地市级以上城市进行分类。通常采用（）。
117771多元统计分析中的聚类分析方法既可以对样本进行分类，记为R型分类，也可以对反映事物特征的指标或变量进行分类，记为Q型分类。
117772首先考虑在没有进行聚类之前，所有参加聚类过程的个体没有归入任何类别，即对于每个个体而言，自成一类的方法是（）。
117773在聚类过程中的类需要遵从的原则中，说明了每一个个体在同一次分类过程中只能分在一个类别当中的原则是（）。
117774在聚类分析中，如果新类与其他类别之间存在多个点与点之间的距离，通过用不同类的样本点两两之间的平均距离作为类间距离的方法为（）。
117775多元统计分析中的聚类分析方法可以对反映事物特征的指标或变量进行分类，记为（）。
117776Euclidean距离指的是：（）
117777多元统计分析中的聚类分析方法既可以对样本进行分类，记为Q型分类，也可以对反映事物特征的指标或变量进行分类，记为R型分类。
117778在聚类分析中，如果新类与其他类别之间存在多个点与点之间的距离，取这些距离最大者作为两类的距离，该方法为（）。
117779多元统计分析中的聚类分析方法可以对样本进行分类，记为（）。
117780在聚类分析中，如果新类与其他类别之间存在多个点与点之间的距离，将公式作为两类的距离，按照最小距离原则吧类别之间距离最小的两类合并为一类，直至把所有样本归为一类，该方法为（）。
117781Chebychev距离指的是：（）
117782下列关于类间距确定方法说法错误的是（）。
117783在聚类过程中的类需要遵从的原则中，保证了类别之内个体特征的共性的原则是（）。
117784在聚类过程中的类需要遵从的原则中，保证了类别之间的差异性的原则是（）。
117785下面哪个原则是聚类过程中的类需要遵从的原则（）。
117786下列关于类间距确定方法说法正确的是（）。
117787在聚类分析中，如果新类与其他类别之间存在多个点与点之间的距离，先让每个样本自身各成一类，然后并类，每并一类离差平方和就要增大，选择使其增量最小的两类合并，直到所有的样本聚为一类，该方法为（）。
117788block距离指的是：（）
117789使用离差平方和作为类间距离时，如果聚类聚得恰当，类内样本点之间的离差平方和应该（），类间离差平方和应该（）。
117790马氏距离是由（）计算出来的相对距离，（）指标之间的相关性。
117791下面哪个原则不是聚类过程中的类需要遵从的原则（）。
117792系统聚类中的类间距离是：（）
117793系统聚类中使用的类间距离不同，聚类结果可能是不同的。
117794Minkowski距离指的是：（）
117795常用的类间距确定的方法有（）。
117796下面哪些距离是明氏距离：（）
117797快速聚类中，要确定数据到底聚成几个类合适，我们可以设定K从1到K的变化，计算相应的（），选择其最（）的类别个数。
117798有些情况下，研究者对于研究的对象事先知道分为几类，即已知类别的个数，只是不知道这些类别当中的具体样本，该方法是（）。
117799Demirmen提出了一些在决定聚类方法取舍时应遵循的原则：（）
117800马氏距离是由协方差矩阵计算出来的相对距离，没有考虑指标之间的相关性。
‹1…117711781179…4763›