我们想要减少数据集中的特征数,即降维.选择以下适合的方案:()。
A.使用前向特征选择方法
B.使用后向特征排除方法
C.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征
D.查看相关性表,去除相关性最高的一些特征
A.使用前向特征选择方法
B.使用后向特征排除方法
C.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征
D.查看相关性表,去除相关性最高的一些特征
第1题
A.对样本进行抽样,在经过抽样的样本上训练
B.应用PCA算法降维,减少特征数量
C.根据重要性对特征进行筛选
D.以上所有
第6题
A.特征人脸方法是一种应用主成分分析来实现人脸图像降维的方法
B.特征人脸方法是一种称为“特征人脸(eigenface)”的特征向量按照线性组合形式来表达每一张原始人脸图像
C.每一个特征人脸的维数与原始人脸图像的维数一样大
D.特征人脸之间的相关度要尽可能大
第7题
A.建表时指定为ADS的维表,将分区数设置为1
B.建表时指定为ADS的维表,即不进行拆分,可以和任意表关联
C.必须建成ADS分区表,将会有一些限制,比如不能和不同普通表组上的表进行关联等
D.可将该表直接打开到和该表关联的事实表中,做成一张宽表,减少join,提升性能
第10题
A.保证映射投影(即降维后)所得结果相关度最大以及投影后结果方差最大
B.保证映射投影方向之间的方差最大以及投影方向正交(以去除冗余度)
C.保证映射投影(即降维后)所得结果方差最大以及投影方向正交(以去除冗余度)
D.保证映射投影(即降维后)所得结果冗余度最小以及投影后结果方差最大