大学网课搜题引擎
首页
高校帮
机器学习基础与实践
结课考核
题目详情
多选题
使用EM 模型求解高斯混合模型的过程中，隐变量后验概率和模型参数分别是在哪个步骤进行
A
E步， M步[|]M步， E步[|]E步， E步[|]M步， M步
查看答案与解析
多选题
假设使用K折交叉验证对线性回归模型进行性能评估，请问需要对回归模型进行多少次训练和测试（ ）
多选题
假设对于一个二分类问题，输入向量的特征个数为3，每个特征可能的取值个数分别3 4 5。请问，对于一般的贝叶斯分类器和朴素贝叶斯分类器，为了判别测试样本的类别，需要估计的参数个数分别为多少（ ）
多选题
关于PCA降维，下列说法错误的是（ ）
多选题
监督学习和非监督学习的划分依据是（ ）
多选题
降维可大致分为非线性降维方法和线性降维方法。请问PCA 和LLE（Locally Linear Embedding）分别是什么降维方法（）
多选题
关于K-means 和高斯混合模型（GMM），下列说法正确的是（ ）
多选题
逻辑回归解决的是（ ）
填空题
给定一组初始聚类中心和聚类数目，K-means 算法必收敛 （ ）
多选题
针对已经学好的机器模型，下列说法正确的是（ ）
多选题
贝叶斯分类模型属于（ ）
多选题
分类和回归任务的区别是（ ）
多选题
线性可分支持向量机模型的决策面是由什么决定的（ ）
填空题
贝叶斯分类算法只能处理离散属性（ ）
多选题
下列不属于监督学习模型的是（ ）
多选题
下述属于非监督学习应用的是（ ）
多选题
高斯朴素贝叶斯分类器具有 （）决策面
多选题
对于一般的聚类问题，自底向上和自顶向下的层次聚类法可否确保聚类结果是局部/全局最优的 （ ）
多选题
在多项式回归模型中（回归系数的阶数大于1），机器学习模型 f 与（ ）
机器学习基础与实践
章节列表
第一章 机器学习介绍
1
第四章 线性回归与逻辑回归
1
第六章 支持向量机
2
第七章 朴素贝叶斯和K-NN
1
第十章 聚类
1
第十一章 降维
1
结课考核
19