PCA特征值分解要求矩阵是()

以下关于Pandas描述正确的是：

正则化除了可以简化模型，还能解决（）

下列哪个是岭回归的正规方程解析公式

已知坐标轴中两点A(2,−2)B(−1,2)，这两点的曼哈顿距离（L1距离）为：

关于特征x,y之间相关系数的描述正确的是

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：

哪个是有监督学习技术

在K-Means算法中，其中的K具体指的是什么（）

以下哪些不能清洗脏数据？

关于kmeans具体的算法步骤组合正确的是： 1.随机选择K个中心点 2.把每个数据点分配到离它最近的中心点； 3.重新计算每类中的点到该类中心点距离的平均值； 4.分配每个数据到它最近的中心点； 5.重复步骤3和4，直到所有的观测值不再被分配或是达到最大的迭代次数。

关于K-均值（K-means）聚类算法中的“k"描述正确的是：

K-均值算法中初始的K个质心怎么选

在Pandas中，导出数据到CSV文件正确的是：

以下哪个算法对数据有降维的作用

以下不属于线性回归模型的是

以下哪个在PCA算法求解步骤中不会出现

以下哪个模型可以实现猫的分类

下列哪个算法需计算信息增益

L2正则化表示为

随机森林中的“随机性”主要体现在（）

主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分）有以下几个特点：

Adaboost中有两种权重，体现在（）

下列哪些算法属于集成学习：

聚类(clustering)，就是根据数据的“相 似性”将数据分为多类的过程。估算两个不同样本之间的相似性，通常使用的方法就是计算两个 样本之间的“距离”，最常用的就包含以下哪些“距离”：

K-means算法中判断每个点归属哪个质心的距离怎么算

关于sklearn.cluster.KMeans 参数介绍正确的是：

主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分）有以下几个特点：

下列哪些数据特性都是对聚类分析具有很强影响的：

以下哪些不能用来降维

关于L1和L2说法正确的是：

决策树算法常用来做聚类。

C4.5与CART既可以用于分类，又可以用于回归。

逻辑回归可以用来做垃圾邮件分类。

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

聚类（Clustering）是一种无监督学习(unsupervised learning)，简单地说就是把相似的对象归到同一簇中。

K-均值算法中的“K”与KNN算法中的“K"指的是同一种概念。

朴素贝叶斯的思想是这样的： 如果一个事物在一些属性条件发生的情况下，事物属于A的概率>属于B的概率，则判定事物属于A。

朴素贝叶斯分类算法中“朴素”的意思是条件概率独立性。

在机器学习和统计应用中，降维是指在计算时减少随机变量数目的处理过程，并且可以分为特征选择和特征提取。