题目内容
(请给出正确答案)
[判断题]
应用SVM算法时,每个核函数都可以将低维空间中的线性不可分数据映射为高维空间的线性可分数据,因此选择哪个核函数都可以()
查看答案
如果结果不匹配,请 联系老师 获取答案
A.LR模型在加入正则化项后Variance将增大
B.线性SVM是寻找最小边缘的超平面的一个分类器
C.Xgboost和GDBT都是属于boosting算法
D.xgboost和随机森林都是属于bagging算法
在实际应用中,常需模拟服从正态分布的随机变量,其密度函数为
式中,a为均值,σ为标准差.
如果s和t是(-1,1)中均匀分布的随机变量,且,令
则u和v是服从标准正态分布(a=0,σ=1)的两个互相独立的随机变量.
(1)利用上述事实,设计一个模拟标准正态分布随机变量的算法.
(2)将上述算法扩展到一般的正态分布.
A.朴素贝叶斯(NaiveBayes,NB)
B.Logistic回归(LogisticRegression,LR)
C.支持向量机(SupportVectorMachine,SVM)
D.决策树(DecisionTree,DT)
A.Logistic回归(LogisticRegression,LR)
B.决策树(DecisionTree,DT)
C.朴素贝叶斯(NaiveBayes,NB)
D.支持向量机(SupportVectorMachine,SVM)