第十章单元测试
- 局部线性嵌入在降维时试图保持邻域内样本之间的线性关系。
- 缓解维数灾难的操作是（）
- 距离等度量映射是在降维时试图保持（）
- 流形学习中的流形是指在局部与欧式空间同胚的空间，即（）
- PCA方法满足的重要性质是（）
- K近邻学习是急切学习的著名代表。
- k近邻分类器没有被广泛使用的原因是其泛化错误率不超过贝叶斯最有分类器错误率的两倍。
- 在高维情形下出现的数据样本稀疏、距离计算困难等问题是所有机器学期方法共同面临的严重障碍，被称为维数灾难，
- 主成分分析是最常用的一种降维方法。
- PCA方法满足的重要性质是：最大重构性和最近可分性。
A:相邻样本之间的距离 B:相邻样本之间的线性关系 C:样本之间的距离 D:样本之间的线性关系
答案:相邻样本之间的线性关系
A:降维 B:升维 C:流型处理 D:低维嵌入
A:样本之间的距离 B:样本之间的线性关系 C:相邻样本之间的距离 D:相邻样本之间的线性关系
A:在局部有欧式或者流形空间其中之一的性质。 B:在局部有欧式空间的性质 C:在局部具有流行空间的性质 D:在局部有欧式和流形空间的形式
A:最大重构性 B:最大可分性 C:最近重构性 D:最近可分性
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
