有关数据质量不正确的说法是？
A: 错误的数据将可能产生有害于决策的结果
B: 因为数据量很大，所以数据质量差一些也对机器学习没多大影响
C: 数据预处理的重要目的是提高机器学习结果的质量
D: 从业务系统提取的脏数据需要预处理才能进行建模工作
A: 错误的数据将可能产生有害于决策的结果
B: 因为数据量很大，所以数据质量差一些也对机器学习没多大影响
C: 数据预处理的重要目的是提高机器学习结果的质量
D: 从业务系统提取的脏数据需要预处理才能进行建模工作
B
举一反三
- 有关数据质量的认识正确的是？? 数据预处理就是删除有问题的数据。|数据质量一般可以由机器自动完成，不需要数据分析人员参与。|各种数据质量问题对机器学习算法的影响很大，因此需要充分预处理才能进入建模阶段。|有些机器学习算法具有比较强的抗噪型，因此不需要预处理也能得到有用的规律。
- 在关于数据挖掘的描述中，正确的是（） A: 数据挖掘可以支持人们进行决策 B: 数据挖掘可以对任何数据进行 C: 数据挖掘与机器学习是统一的 D: 数据来源质量对数据挖掘结果的影响不大
- 关于机器学习模型中的数据,以下说法正确的是( )。 A: 数据越多越好 B: 数据只要质量好,越少越好 C: 数据的数量和质量都很重要 D: 模型选择最重要,数据影响不大
- 关于数据预处理的说法，下列描述错误的是（ ）。 A: 初始数据直接被应用可能会导致分析结果出现偏差 B: 数据预处理占据整个挖掘工作的60% C: 数据预处理只负责处理“脏”数据 D: 数据预处理是数据分析或挖掘前的准备工作
- 数据预处理是指在主要的处理以前对数据进行的一些处理。( )
内容
- 0
以下有关传统机器学习算法处理大数据的说法错误的是哪个？ A: 传统机器学习算法大多数不支持数据的批处理。 B: 大数据通过合理切分就可以转化为传统机器学习算法容易处理的小数据。 C: 传统机器学习的算法在处理大数据时需要通过分布式的改造。 D: 传统机器学习通过数据的批处理很容易快速地处理大数据。
- 1
数据预处理是数据分析挖掘的重要阶段，sklearn是著名的机器学习模块，请写出sklearn中常用来做数据预处理的模块名。
- 2
质量信息的预处理是指对测量数据进行消除误差的处理
- 3
以下有关传统机器学习算法处理大数据的说法正确的有哪些？ A: 传统机器学习的算法在处理大数据时需要通过分布式的改造。 B: 传统机器学习算法大多数不支持数据的批处理。 C: 传统机器学习通过数据的批处理很容易快速地处理大数据。 D: 大数据通过合理切分就可以转化为传统机器学习算法容易处理的小数据。
- 4
大数据给机器学习带来了哪些挑战？? 数据量非常大；|数据分布会发生变化；|数据质量不高；|数据源多样化；