机器学习中,“降维”是指通过保留一些比较重要的特征,去除一些冗余的特征,从而减少数据特征的维度。如:当我们需要处理大量文章的主题分析时,可以通过__算法,结合潜在语义分析(LSA),对文章中的词汇进行聚类(如“万科”和“地产”聚类的关联度要大于“万科”和“王者荣耀”)。之后,按照聚类出现的效果,可以提取文档集合中的近义词,这样当用户检索文档的时候,是用语义级别(近义词集合)去检索了,而不是之前的词的级别,即实现了降维()
否
否
A.由用户事先指定
B.通过在d值不同的低维空间中对开销较小的学习器进行交叉验证来选取
C.可从重构的角度设置一个重构阈值,选取使得特定公式成立的最小值
D.随机设置
A.主成分分析是一种常用的非线性降维方法
B.核化线性降维是一种常用的线性降维方法
C.流形学习是一种借鉴拓扑流形概念的降维方法
D.度量学习绕过降维的过程,将学习目标转化为对距离度量计算的权重矩阵的学习
A.机器都是人发明的,并且最终还是由人来操纵,所以,在执法中防止考官徇私仍有很大的必要。
B.场地驾驶考试也要包括考察学员在驾驶室中的操作是否规范。
C.机器测量的结果直接通过计算机打印,随意性的问题能完全消除。
D.桩考器严格了考试纪律,但是,也会引起部分学员的反对,因为,这样一来,就很难托关系走后门了。
E.桩考器如果只在南崖市安装,许多学员会到外地去参加驾驶考试。
A.PCA和LDA均是基于监督学习的降维方法
B.假设原始数据一共有K个类别,那么LDA所得数据的降维维度小于或等于K−1
C.LDA降维后所得到维度是与数据样本的类别个数K有关(与数据本身维度无关)
D.PCA对高维数据降维后的维数是与原始数据特征维度相关(与数据类别标签无关)
Zest Finance 具有的优势包括()
A.基于大数据技术和机器学习模型,有效降低了风险违约率
B.采用非传统的信用数据,覆盖到了传统信贷信息不完整的人群
C.为绝大多数人群提供信用服务,较好替代了传统征信系统
D.更看重用户的现有信息,增强信用评估广度
A.模型训练误差很小,在测试集合上误差较小
B.模型训练误差很大,在测试集合上误差很小
C.模型训练误差很大,在测试集合上误差很大
D.模型训练误差很小,在测试集合上误差较大