题目内容

对于PCA(主成分分析)转化过的特征,朴素贝叶斯的”不依赖假设”总是成立,因为所有主要成分是正交的,这个说法是()

A. 正确的
B. 错误的

查看答案

搜索结果不匹配？点我反馈

更多问题

对于随机森林和GradientBoostingTrees,下面说法正确的是()
1.在随机森林的单个树中,树和树之间是有依赖的,而GradientBoostingTrees中的单个树之间是没有依赖的.
2.这两个模型都使用随机特征子集,来生成许多单个的树
3.我们可以并行地生成GradientBoostingTrees单个树,因为它们之间是没有依赖的,GradientBoostingTrees训练模型的表现总是比随机森林好

A. 2
B. 1and2
C. 1,3and4
D. 2and4

对于下图,最好的主成分选择是多少()

A. 7
B. 30
C. 35
D. Can’tSay

对于PCA说法正确的是()
1.我们必须在使用PCA前规范化数据
2.我们应该选择使得模型有最大variance的主成分
3.我们应该选择使得模型有最小variance的主成分
4.我们可以使用PCA在低维度上做数据可视化

A. 1,2and4
B. 2and4
C. 3and4
D. 1and3
E. 1,3and4

我们建立一个5000个特征,100万数据的机器学习模型.我们怎么有效地应对这样的大数据训练()

A. 我们随机抽取一些样本,在这些少量样本之上训练
B. 我们可以试用在线机器学习算法
C. 我们应用PCA算法降维,减少特征数
D. B和C
E. A和B
F. 以上所有