试说明以下问题求解是基于监督学习或是非监督学习: 1.求数据集的主分量 2.汉字识别 3.自组织特征映射 4.CT图像的分割
最新试题
剪辑近邻法去除的是远离分类边界,对于最后的决策没有贡献的样本。
分支定界法计算量一定比穷举法小。
在总的样本集不是很大的情况下,可以采用交叉验证法来较好的估计分类器性能。
特征提取不仅可以降低特征空间的维度,还可以消除特征之间的相关性。
测试集的样本数量越多,对分类器错误率的估计就越准确。
参数估计是已知概率密度的形式,而参数未知。
下面关于超平面的说法中正确的是()。
基于数据的方法适用于特征和类别关系不明确的情况。
ID3方法的目的是降低系统信息熵。
k-近邻法中k的选取一般为偶数。