已知坐标轴中两点A(2,−2)B(−1,2)，求这两点的切比雪夫距离

查看行数和列数用到的方法是

不属于数据清洗的方法是

已知a(3,8,4,2)，b(1,2,2,4)两点的中心坐标为？

（）是回归模型的评估指标

已知坐标轴中两点A(2,−2)B(−1,2)，求这两点的曼哈顿距离

k-means中的k是什么（）

机器学习算法分为很多种，哪种可以预测离散因变量？

向量 X=[0,4,-3,4,0,0] 的 L1 范数为

L2正则化表示为

对于列表ls的操作，以下选项中描述错误的是

在样本量非常少，而特征特别多的情况下，以下哪种算法具有特征选择的作用：

正则化除了可以简化模型，还能解决（）

以下选项中，不是建立字典的方式是

最容易陷入局部最优的是下列哪个无监督学习方法？

关于决策树，下列说法正确的是：

用CART算法进行分类时，选择最优特征的最优划分点的准则是：

关于 bootstrap ，下列描述正确的是：

PCA特征值分解要求矩阵是()

我们建立一个5000个特征, 100万数据的机器学习模型. 我们怎么有效地应对这样的大数据训练：

有监督学习使用的算法主要包括

下列哪些算法属于线性回归算法：

常用的距离度量方法包括：

Python中，以下哪些数据类型可变

对于缺失值存在多种处理方法，其中包括

Python 可以作为编程的入门语言，因为他具备以下特质

随机森林的构建步骤主要包含以下哪些方面：

关于Python 中的位运算符描述正确的是：

下列哪些说法描述的是随机森林的缺点：

除十进制以外，在 Python 中还可以使用:

与线性回归不同，逻辑回归主要用于解决分类问题。

Sigmoid函数可以把任何连续的值映射到[0,1]之间。

逻辑回归是一种简单，常见的二分类模型。

机器学习分为监督学习和非监督学习。

逻辑回归虽然带有回归字样，但是逻辑回归属于分类算法。

特征选择是一个重要的数据预处理过程。

降维是一种通过分析出主变量来减少特征变量的过程，其中主变量通常就是重要的特征。

数据规范化在预处理阶段尤为重要，它可以将数值缩放到特定的范围，以在反向传播时获得更好的收敛性。

随机森林在对决策树进行Boosting的基础上，在决策树的训练过程中引入了随机属性选择。

概率模型不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如决策树、RF。