登陆题目详情
单选题 拉普拉斯修正不适用于以下哪种情况
学科：机器学习初步
时间：2025-05-06 00:14:24
相关题目
相关作业
题目1单选题
以下哪个选项是NFL定理的重要前提A. 所有"问题"难度不同B. 所有"问题"出现的机会服从任意分布C. 所有"问题"出现的机会不相同D. 所有"问题"出现的机会相同
题目2单选题
信息熵是度量样本集合()最常用的一种指标A. 纯度B. 对称差C. 大小D. 重要性
题目3单选题
一个好的聚类可能存在的特征通常不包括A. 较高的簇内相似度B. 较低的簇内相似度C. 较大的簇间距离D. 和某个参考模型的结果相似
题目4单选题
当下列哪个条件满足时,多元线性回归的最小二乘解唯一A. X^⊤ X不满秩B. X^⊤ X满秩C. XX^⊤满秩D. XX^⊤不满秩
题目5单选题
拉普拉斯修正不适用于以下哪种情况A. 训练样本个数大于属性可能的取值数B. 训练样本个数小于属性可能的取值数C. 训练样本不充分、属性可能的取值数有限D. 训练样本不充分、属性有无限种可能的取值
题目6单选题
下列哪个选项不是多元线性回归使用正则化的原因A. 计算机数值精度有限B. 样例维度大于样例数C. 样例的采样过程存在偏差D. 存在大量线性相关的样例
题目7单选题
后剪枝的测试时间开销(),训练时间开销()A. 降低;降低B. 降低;增加C. 增加;降低D. 增加;增加
题目8单选题
机器学习的经典定义是:利用 () 改善系统自身的性能A. 经验B. 专家C. 规则D. 实践
题目9单选题
在求解支持向量机截距项的时候错误的说法是()A. 通过任意支持向量都能够求解出截距项B. 为了提高鲁棒性, 通常使用所有支持向量求解的平均值C. 通过任意样本都能够求解出截距项D. 截距项的求解能够体现支持向量机学习到的超平面仅与少量支持向量有关
题目10单选题
以下哪个选项是信息增益的定义A. 划分前的信息熵-划分后的信息熵B. 划分后的信息熵-划分前的信息熵C. 划分前的信息熵/划分后的信息熵D. 划分后的信息熵+划分前的信息熵
下载 题海APP
拍照搜题更快捷
- 海量题库
- 无搜索限制
- 快捷拍照搜题
