关于随机森林算法,下列说法不正确的是()。
A.每一棵决策树之间是没有关联的
B.后一棵树更关注上一棵树分错的样本
C.每一棵树都不需要做剪枝
D.每一棵树都是一棵CART树
A.每一棵决策树之间是没有关联的
B.后一棵树更关注上一棵树分错的样本
C.每一棵树都不需要做剪枝
D.每一棵树都是一棵CART树
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.FIFO反映了历史性,没有反映程序访问的局部性
B.随机算法实现简单,但既没有反映历史性,没有反映程序访问的局部性
C.LRU既反映了历史性,又反映了程序访问的局部性,命中率较接近OPT,是实际应用最广泛的一种替换算法
D.OPT是最优替换算法,是实际应用最广泛的一种替换算法
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.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B.CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C.只要参数设置合理,深度学习的效果至少应优于随机算法
D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
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