题目内容
（请给出正确答案）
[单选题]
以下有关随机森林算法的说法不正确的是（）。
A.随机森林算法的分类精度与所含决策树的数量没有太大关系
B.随机森林算法对异常值和缺失值不敏感储
C.随机森林算法完全不需要考虑过拟合问题
D.决策树之间相关系数越低、每棵决策树分类精度越高的随机森林模型的分类效果越好
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.随机森林算法的分类精度与所含决策树的数量没有太大关系
B.随机森林算法对异常值和缺失值不敏感储
C.随机森林算法完全不需要考虑过拟合问题
D.决策树之间相关系数越低、每棵决策树分类精度越高的随机森林模型的分类效果越好
如果结果不匹配，请 联系老师 获取答案
更多“以下有关随机森林算法的说法不正确的是（）。”相关的问题
A.可以处理高维度的属性，并且不用做特征选择
B.随机森林的预测能力不受多重共线性影响
C.也擅长处理小数据集和低维数据集的分类问题
D.能应对正负样本不平衡问题
A.将历史数据进行随机自助法重抽样，生成N个训练样本集
B.将N个训练样本集分别做决策树，生成N棵决策树
C.将N棵决策树随机构成随机森林
D.未来根据预测样本气候环境、设备属性、设备工况进行随机森林决策投票，得出针对该预测样本最优的决策树进行运算，并计算出最终结果。
A.各基分类器之间有较强依赖，不可以进行并行训练
B.最著名的算法之一是基于决策树基分类器的随机森林
C.当训练样本数量较少时，子集之间可能有重叠
D.为了让基分类器之间互相独立，需要将训练集分为若干子集
A.和Adaboost相比，随机森林对错误和离群点更鲁棒
B.随机森林准确率不依赖于个体分类器的实例和他们之间的依赖性
C.随机森林对每次划分所考虑的属性数很偏感
D.Adaboost初始时每个训练元组被赋予相等的权重
A.随机森林是减少模型的方差，而GBDT是减少模型的偏差
B.组成随机森林的树可以并行生成，而GBDT是串行生成
C.随机森林的结果是多数表决表决的，而GBDT则是多棵树累加之和
