1. 可以用于特征降维的方法包括:
主成分分析PCA;线性判别分析LDA;深度学习SparseAutoEncoder;矩阵奇异值分解SVD。
2. 数据清洗中处理缺失值的方法有:
估算,整例删除,变量删除,成对删除。
3. 时间序列模型中,可以较好地拟合波动性的分析和预测的模型是:
GARCH模型。
4. 位势函数法的积累势函数K(x)的作用相当于Bayes判决中的:
后验概率;
类概率密度与先验概率的乘积。
1. 可以用于特征降维的方法包括:
主成分分析PCA;线性判别分析LDA;深度学习SparseAutoEncoder;矩阵奇异值分解SVD。
2. 数据清洗中处理缺失值的方法有:
估算,整例删除,变量删除,成对删除。
3. 时间序列模型中,可以较好地拟合波动性的分析和预测的模型是:
GARCH模型。
4. 位势函数法的积累势函数K(x)的作用相当于Bayes判决中的:
后验概率;
类概率密度与先验概率的乘积。