您可能感兴趣的试卷
你可能感兴趣的试题
A.先验概率
B.类条件概率
C.后验概率
D.全概率
A.天气预报
B.股票预测
C.彩票号码预测
D.分子运动方向预测
A.先验概率已知,以新获得的信息对先验概率进行修正
B.分类决策存在错误率
C.先验概率未知,以新获得的信息对先验概率进行修正
D.分类决策不存在错误率
A.快速K近邻算法
B.压缩近邻法
C.最近邻算法
D.K近邻算法
A.最小错误率贝叶斯分类
B.最小风险贝叶斯分类
C.支持向量机
D.感知器分类
A.非参数化方法
B.参数化方法
C.结构聚类算法
D.句法模式识别
A.便于似然函数求导
B.将求极大值问题转化为求极小值问题
C.提高似然函数灵敏度
D.便于似然函数求和
A.最小风险贝叶斯分类
B.最小错误率贝叶斯分类
C.朴素贝叶斯分类
D.半朴素贝叶斯分类
A.先验概率
B.后验概率
C.特征值大小
D.类条件概率
A.不需要,因为新的信息会逐步修正先验概率
B.需要,因为后验概率计算需要使用先验概率
C.不需要,因为后验概率的计算与先验概率无关
D.其余3种说法都不对
最新试题
动态顺序前进法(l-r)法是按照单步最优的原则从未入选的特征中选择l个特征,再从已入选的特征中剔除r个特征,使得仍保留的特征组合所得到的J值最大。
ID3方法的目的是降低系统信息熵。
贝叶斯估计中是将未知的参数本身也看作一个随机变量,要做的是根据观测数据对参数的分布进行估计。
在监督模式识别中,分类器的形式越复杂,对未知样本的分类精度就越高。
特征选择常用的次优算法有顺序前进法,顺序后退法和动态顺序前进法三种。
分级聚类又叫层次聚类,需要构建聚类树。
顺序后退法(SBS)是从0个特征开始,每次从已经入选的特征中剔除一个特征,使得仍保留的特征组合所得到的J值最大,是一种特征选择的最优算法。
顺序前进法的缺点是不能剔除已入选的特征,无法保证全局最优。
概率密度函数的参数估计需要一定数量的训练样本,样本越多,参数估计的结果越准确。
k-近邻法中k的选取一般为偶数。