A.先验概率
B.类条件概率
C.后验概率
D.全概率
第5题
A.Logit回归本质上是一种根据样本对权值进行极大似然估计的方法,而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大化似然函数,并没有最大化后验概率,更谈不上最小化后验概率
B.Logit回归的输出就是样本属于正类别的几率,可以计算出概率
C.SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的超平面,应该属于结构风险最小化
D.SVM可以通过正则化系数控制模型的复杂度,避免过拟合
第6题
A、预测正确的数据在总数据中的比例
B、预测为正的数据在总数据中的比例
C、预测为正的数据中实际为正的数据所占比例
D、实际为正的数据中被预测为正的数据所占比例
第7题
A、规则集的表达能力远不如决策树好
B、基于规则的分类器都对属性空间进行直线划分,并将类指派到每个划分
C、无法被用来产生更易于解释的描述性模型
D、非常适合处理类分布不平衡的数据集
第9题
A.将x对应的元组中的特征向量(v1,v2,…,vn)与训练集s中的元组进行匹配,从而判定x所属的客户类别
B.对训练集s设计适当的算法,构造一个分类器M,将x对应的特征向量(v1,v2,…,vn)作为M的输入,用M判定X所属的客户类别
C.采用关联规则挖掘算法构成一个关联式分类器M,用M判定x所属的类别
D.采用适当的聚类算法,对表A中的所有元组进行聚类,将每个元组归入训练集S各元组的c列所给出的客户类别中,从而实现X所属客户类别的判定
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!