首页
神经网络按结构可分为前馈网络和反馈网络，按性能可分为离散型和连续型，按学习方式可分为有监督和无监督。
精华吧
→
答案
→
网课
神经网络按结构可分为前馈网络和反馈网络，按性能可分为离散型和连续型，按学习方式可分为有监督和无监督。
正确答案：正确
Tag：
神经网络
网络
反馈
时间：2024-04-20 10:57:22
上一篇：
非结构化数据包括图片，文字，语音和视屏等。
下一篇：
STING是一种基于密度的多分辨率聚类技术，它将空间区域划分为矩形单元，只需要计算每个单元中的数据间的距离即可.
相关答案
1.
概率模型（树形模型）不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如决策树、RF。而像Adaboost、SVM、KNN、KMeans之类的最优化问题就需要归一化。
2.
谱聚类只需要数据之间的相似度矩阵，因此对于处理稀疏数据的聚类很有效。这点传统聚类算法比如K（）Means很难做到。
3.
实心圆轴，若半径增大一倍，则其抗扭强度增大为原来的（）倍
4.
贝叶斯分类器与贝叶斯学习主要不同是：前者通过最大后验概率进行单点估计；而后者进行分布估计。
5.
如果一个项集是频繁的，那么其所有的子集（subsets）也一定是频繁的。
6.
随机森林是利用多棵树对样本进行训练并预测的一种分类器，它是由多棵CART树构成的一种并行分类方法.
7.
数据规范化指将数据按比例缩放（如更换大单位），使之落入一个特定的区域（如0（）1）以提高数据挖掘效率的方法。规范化的常用方法有：最大（）最小规范化、零（）均值规范化、小数定标规范化。
8.
关于钢结构工程螺栓施工的做法，准确的是（）。
9.
如果一个对象不强属于任何簇，那么该对象是基于聚类的离群点。
10.
神经网络对噪音数据具有高承受能力，并能对未经过训练的数据具有分类能力，但其需要很长的训练时间，因而对于有足够长训练时间的应用更合适。
热门答案
1.
通常情况下，数据分类由两步过程组成：第一步，建立一个聚类模型，描述指定的数据类集或概念集；第二步，使用模型进行分类。
2.
在有监督学习中，数据=（特征，标签），而其主要任务是聚类和回归。
3.
高斯混合模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，它是一个将事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。
4.
一般来说，如果数据集是稠密的，并且数据集不是凸的，那么用DBSCAN会比K（）Means聚类效果好.
5.
CART决策树使用Gini值作为评判标准.类别分布越均匀，则Gini值越大；类分布越不均匀，则Gini值越小.
6.
如果一个项集是非频繁的，那么其所有的超集（supersets）也一定是非频繁的。
7.
一般来讲，模型误差=方差+偏差+不可避免的随机误差。
8.
AdaBoost算法将各个训练得到的弱分类器组合成强分类器.其中误差率高的弱分类器在最终分类器中占的权重较大，否则较小.
9.
聚类的过程可以看作是一种非监督的分类过程。
10.
数据分类方法通常有：决策树法、朴素贝叶斯法、人工神经网络法等。