利用tree.DecisionTreeClassifier（）训练模型时调用.fit（）方法需要传递的第一个参数是（）。_精华吧

利用tree.DecisionTreeClassifier（）训练模型时调用.fit（）方法需要传递的第一个参数是（）。

精华吧→答案→慕课→未分类

利用tree.DecisionTreeClassifier（）训练模型时调用.fit（）方法需要传递的第一个参数是（）。

A.样本特征X

B.样本标签Y

C.判断标准

D.设置结点的最小样本数量

正确答案：样本特征X

Tag：数据挖掘与python实践样本时调时间：2021-12-30 20:57:58

相关答案

热门答案

1.在结构化数据中进行关联分析发现其中的频繁模式和关联规则。对于取值连续的属性，首先将其离散化，然后将每个取值区间作为一个值，继而转化为“属性=值”的形式。
2.利用项的概念层次信息，不仅可以发现涉及那些出现频率比较低的商品的频繁模式和关联规则，而且还可以发现概括性更强的规则。
3.逐层发现算法Apriori发现频繁项集的过程是按照项集的长度由大到小逐级进行的。
4.如果一个项集是不频繁的，则其所有的超集都是不频繁的。利用这一性质可以简化Apriori算法中的计算过程。
5.购买了此商品后还会购买的商品，它们的地位是平等的，其中涉及了时间和顺序的概念，强调的是一个规则，也就是我们所说的关联规则。
6.在FP-growth构建频繁模式树中，每个（）（除根结点外）代表一个单项，树中的每条（）代表原数据中每一个条目的各个项。如果把条目内的项组合在一起看成一个字符串，则字符串前缀相同时共享相同的（）。
7.在多层次关联规则分析中，如果将商品进行归类，每一商品类别的支持度会（）其包含的每个商品的支持度，从而有利于发现一些有意义的频繁模式或关联规则。
8.对于任一个频繁项集X和它的一个非空真子集Y， S=X-Y，规则S→Y成立的条件是（）。
9.如下表所示，使用FP-Growth计算其频繁集，给定最小支持度为40%，频繁模式树（FP树）有（）个结点。（不包括根结点）。交易号（TID）商品（Items）1beer, diaper, nuts2beer, biscuit, diaper3bread, butter, cheese4beer, cheese, diaper, nuts5beer, butter, cheese, nuts
10.如下表所示，X={butter, cheese}，Y={beer}，则置信度confidence(X→Y)=（）。交易号（TID）商品（Items）1beer, diaper, nuts2beer, biscuit, diaper3bread, butter, cheese4beer, cheese, diaper, nuts5beer, butter, cheese, nuts