请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.决策树是用样本的属性作为树的结构，用样本属性的取值作为树分支的结点。
- 2.决策树是用样本的属性作为树的结构，用样本属性的取值作为树分支的结点。（ ）选项： A:对 B:错
- 3.决策树是用样本的 ( ) 作为结点，用 ( ) 作为分支的树结构。
- 4.决策树用树形结构对样本的属性进行分类,是最直观的分类算法,而且也可以用于回归。 选项： A:正确 B:错误
- 5.决策树是用____作为结点，用_____作为分支的树结构。
- 6.决策树在什么情况下结点需要划分()A．当前结点所包含的样本全属于同一类别B．当前属性集为空，或是所有样本在所有属性上取值相同C．当前结点包含的样本集为空D．还有子集不能被基本正确分类
- 7.信息增益表示，当样本集S用属性A做分类后，样本集的熵的变化程度。选项： A:对 B:错
- 8.决策树的叶子节点对应样本的哪个属性值（）？ 选项： A:样本的任意一个属性； B:样本的离散取值属性； C:样本的熵为0的属性； D:样本的类别标签。
- 9.(单选题)决策树的叶子节点对应样本的哪个属性值（）？ 选项： A:样本的任意一个属性； B:样本的离散取值属性； C:样本的熵为0的属性； D:样本的类别标签。
- 10.朴素贝叶斯分类器是将特征属性的取值作为新的证据，对对象所属类别的先验概率进行调整，从而实现分类
-
11.决策树的叶子节点对应样本的哪个属性值（）？
A.样本的任意一个属性；
B.样本的离散取值属性；
C.样本的熵为0的属性；
D.样本的类别标签。
选项： A: B: C: D: - 12.决策树算法学习的关键是如何选择最优划分属性,随着划分过程不断进行,我们希望决策树的分支结点所包含的样本尽可能属于同一类别,即结点的“纯度”越来越高。 选项： A:正确 B:错误
- 13.以下关于决策树的构建过程的说法中，正确的有？ 选项： A、构建决策树时，首先从构建根节点入手，选择一个最优特征作为根结点，并按照这一特征将训练数据集分割成子集，每个子集作为根结点的一个子结点 B、决策树的构建是一个递归过程，不断地从样本特征中选择最优特征，并根据该特征对训练数据进行分割 C、构建决策树的过程中，如果存在已经能够实现对样本正确分类的子结点，则将其标记为叶结点，将其对应的数据样本分到相关的类型中去 D、决策树的构建过程对应着对样本特征空间的划分
- 14.下面关于构建模型树的说法中,错误的是( )。 选项： A:如果当前结点t所关联的数据集Dt中样本个数小于给定阈值或者Dt中样本的目标属性取值的标准差小于给定阈值,则将该结点标记为叶子节点 B:创建一个结点t,与结点t关联的数据集记为Dt C:在选择分类属性时,应选择时SDR值最小的属性 D:SDR代表误差的期望减少
- 15.one-hot单个属性编码的个数取决于（） 选项： A、所有样本中该属性出现的最高频率的取值 B、样本个数 C、所有样本中该属性的最大值 D、所有样本中该属性可取值的个数
- 16.训练好的SVM抛弃非支持向量的样本，仍然可以对新样本进行分类。选项： A:正确; B:错误
- 17.关于决策树算法的描述正确的是（）。选项： A:在决策树算法中，每个内部结点表示在一个特征或属性；每个分支代表这个特征或属性在某个值域上的输出；每个叶结点代表一种类别。 B:决策树可以看成一个If-then规则的集合。 C:在决策树的各个结点上以信息增益为准则，选择划分后信息增益最大的属性作为划分属性，递归地构建决策树。 D:决策树剪枝的目的是为了降低决策树算法的过拟合
- 18.随机森林是一类专门为决策树分类器设计的组合方法，它组合了（ ）对样本进行训练和预测。 选项： A: 多个数据集 B: 多棵决策树 C: 多组规则 D: 多个模块
- 19.关于bagging算法的描述，正确的是（） 选项： A、在训练单个分类器时，每个样本被抽中的概率相同 B、对新样本进行分类时，整体模型结果为得票数最多的类别 C、对新样本进行分类时，整体模型结果为累计权重最大的类别 D、Bagging分类器的效果一定高于单个的分类器
- 20.关于Bagging算法的描述正确的是： 选项： A:对新样本进行分类时，整体模型结果为得票数最多的类别 B:Bagging分类器的效果一定高于单个分类器 C:对新样本进行分类时，整体模型结果为累计权重最大的类别 D:在训练单个分类器时，每个样本被抽中的概率相同
