题目下面关于决策树算法说法错误的是()
A.信息增益选择特征偏向于纯度较好的特征作为优先项
B.信息熵是度量样本纯度最常用的一种指标
C.ID3算法不仅能处理离散型数据,还能处理连续型数据
D.ID3算法可能会导致模型的泛化能力下降的问题
C、ID3算法不仅能处理离散型数据,还能处理连续型数据
A.信息增益选择特征偏向于纯度较好的特征作为优先项
B.信息熵是度量样本纯度最常用的一种指标
C.ID3算法不仅能处理离散型数据,还能处理连续型数据
D.ID3算法可能会导致模型的泛化能力下降的问题
C、ID3算法不仅能处理离散型数据,还能处理连续型数据
A.冗余属性不会对决策树的准确率造成不利的影响
B.子树可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
A.冗余属性不会对决策树的准确率造成不利的影响
B.子树可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
A.冗余属性不会对决策树的准确率造成不利的影响
B.子树可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
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.随机森林由若干决策树构成,决策树之间存在关联性。
B.随机森林学习过程分为选择样本,选择特征,构建决策树、投票四个部分。
C.随机森林算法容易陷入过拟合。
D.随机森林构建决策树时,是无放回的选取训练数据。
A.深度强化学习
B.决策树算法
C.支持向量机
D.线性回归
A.梯度下降算法需要选择学习率,正规方程则不需要
B.梯度下降算法需要迭代运算多次,正规方程只需要运算一次
C.梯度下降算法和正规方程都适用于各种类型的模型
D.梯度下降算法对特征量大时也能很好的适用,正规方程耗时太多不太适用
E.解析
F.所以选择C
A.条件熵H(Y|X)表示在已知特征X的条件下,类别Y的不确定性的度量
B.决策树基本思想是贪心算法,它以自顶(根节点)向下递推生成的方式构造决策树
C.熵可用于描述信息的不确定性或混乱程度,信息的不确定性越大则熵越大,反之越小
D.ID3算法的属性选择度量就是使用信息增益,选择最小信息增益的属性作为当前节点的测试属性
A.聚类
B.决策树
C.逻辑回归
D.线性回归