下面对相关性(correlation)和独立性(independence)描述不正确的是()
A.如果两维变量线性不相关,则皮尔逊相关系数等于0
B.如果两维变量彼此独立,则皮尔逊相关系数等于0
C.“不相关”是一个比“独立”要强的概念,即不相关一定相互独立
D.独立指两个变量彼此之间不相互影响
- · 有4位网友选择 C,占比40%
- · 有3位网友选择 B,占比30%
- · 有3位网友选择 D,占比30%
A.如果两维变量线性不相关,则皮尔逊相关系数等于0
B.如果两维变量彼此独立,则皮尔逊相关系数等于0
C.“不相关”是一个比“独立”要强的概念,即不相关一定相互独立
D.独立指两个变量彼此之间不相互影响
A、皮尔逊相关系数的值域是[-1,1]
B、皮尔逊相关系数等于1的充要条件是该两组变量具有线性相关关系
C、皮尔逊相关系数是对称的
D、皮尔逊相关系数刻画了两组变量之间线性相关程度,如果其取值越大,则两者在线性相关的意义下相关程度越大;如果其值越小,表示两者在线性相关的意义下相关程度越小
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、特征人脸方法是用一种称为“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
A、主成分分析要学习一个映射矩阵,其大小是d×l
B、每个原始数据的维数大小从d变成了l
C、主成分分析学习得到了l个d维大小的向量,这l个d维向量之间彼此相关
D、在主成分分析中,我们将带约束的最优化问题,通过拉格朗日乘子法将其转化为无约束最优化问题
A、逻辑斯蒂回归中所使用Sigmoid函数的输出形式是概率输出
B、在逻辑斯蒂回归中,能够实现数据特征加权累加
C、逻辑斯蒂回归是一种非线性回归模型
D、在逻辑斯蒂回归中,输入数据特征加权累加值在接近−∞或+∞附近时,模型输出的概率值变化很大
A、单词和文档映射到R维隐性空间后,单词和文档具有相同的维度
B、通过矩阵分解可重建原始单词-文档矩阵,所得到的重建矩阵结果比原始单词-文档矩阵更好捕获了单词-单词、单词-文档、文档-文档之间的隐性关系
C、这一映射过程中需要利用文档的类别信息
D、隐性空间维度的大小由分解过程中所得对角矩阵中对角线上不为零的系数个数所决定
A、两者都是监督学习的方法
B、多项逻辑斯蒂回归模型也被称为softmax函数
C、两者都可被用来完成多类分类任务
D、逻辑斯帝回归是监督学习,多项逻辑斯蒂回归模型是非监督学习
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!