A.頻繁子集挖掘
B.頻繁子圖挖掘
C.頻繁數(shù)據(jù)項(xiàng)挖掘
D.頻繁模式挖掘
您可能感興趣的試卷
你可能感興趣的試題
A.s=<{2，4}，{3，5，6}，{8}>，t=<{2}，{3，6}，{8}>
B.s=<{2，4}，{3，5，6}，{8}>，t=<{2}，{8}>
C.s=<{1，2}，{3，4}>，t=<{1}，{2}>
D.s=<{2，4}，{2，4}>，t=<{2}，{4}>
A.1，2，3，4
B.1，2，3，5
C.1，2，4，5
D.1，3，4，5
A.無向無環(huán)
B.有向無環(huán)
C.有向有環(huán)
D.無向有環(huán)
A.OLAP和OLAM都基于客戶機(jī)/服務(wù)器模式，只有后者有與用戶的交互性
B.由于OLAM的立方體和用于OLAP的立方體有本質(zhì)的區(qū)別
C.基于WEB的OLAM是WEB技術(shù)與OLAM技術(shù)的結(jié)合
D.OLAM服務(wù)器通過用戶圖形借口接收用戶的分析指令，在元數(shù)據(jù)的知道下，對(duì)超級(jí)立方體作一定的操作
關(guān)于OLAP的特性，下面正確的是：（）。
（1）快速性
（2）可分析性
（3）多維性
（4）信息性
（5）共享性
A.（1）（2）（3）
B.（2）（3）（4）
C.（1）（2）（3）（4）
D.（1）（2）（3）（4）（5）
最新試題
任何對(duì)數(shù)據(jù)處理與存儲(chǔ)系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。
無論質(zhì)心的初始化如何，K-Means始終會(huì)給出相同的結(jié)果。
給定用于2類分類問題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因?yàn)镾VM通常能夠在訓(xùn)練集上實(shí)現(xiàn)更好的分類精度。
經(jīng)常跟管理層打交道并進(jìn)行有效地關(guān)于商業(yè)領(lǐng)域的討論有助于數(shù)據(jù)科學(xué)項(xiàng)目的成功。
數(shù)據(jù)收集中的拉模式需要通過定時(shí)的方式不斷地觸發(fā)，才能源源不斷地獲取對(duì)應(yīng)的數(shù)據(jù)。
訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過度擬合訓(xùn)練數(shù)據(jù)的潛在問題。
要將工作申請(qǐng)分為兩類，并使用密度估計(jì)來檢測離職申請(qǐng)人，我們可以使用生成分類器。
完整性，一致性，時(shí)效性，唯一性，有效性，準(zhǔn)確性是衡量數(shù)據(jù)質(zhì)量的六個(gè)維度指標(biāo)。
對(duì)于文本數(shù)據(jù)和多媒體數(shù)據(jù)進(jìn)行特征提取是為了方便對(duì)于這類數(shù)據(jù)的觀察和理解。
任務(wù)調(diào)度系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)才能使得數(shù)據(jù)收集工作可以不間斷地按照既定的目標(biāo)從目標(biāo)源獲取數(shù)據(jù)。