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.关于决策树，说法有误的是：选项： A:规则归纳问题，适合用决策树来表示 B:决策树算法是无监督学习 C:如果根据一个属性做判断，样本仍然有若干种情况，则该属性不应该出现在决策早期 D:属性在决策树中的位置不同，决策树的效率是不同的
- 2.关于决策树，说法有误的是选项： A:决策树算法是无监督学习; B:规则归纳问题，适合用决策树来表示; C:属性在决策树中的位置不同，决策树的效率是不同的; D:如果根据一个属性做判断，样本仍然有若干种情况，则该属性不应该出现在决策早期
- 3.关于决策树，说法有误的是：（） 选项： A、规则归纳问题，适合用决策树来表示 B、决策树算法是无监督学习 C、如果根据一个属性做判断，样本仍然有若干种情况，则该属性不应该出现在决策早期 D、属性在决策树中的位置不同，决策树的效率是不同的
- 4.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
- 5.关于决策树算法的描述正确的是（ ）。 选项： A、决策树可以看成一个If-then规则的集合。 B、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。 C、决策树剪枝的目的是为了降低决策树算法的过拟合 D、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。
- 6.在进行决策树算法的时候,下面的结论不正确的是( ) 选项： A:决策树算法针对属性进行计算,所以一定会终止,所以不用考虑决策树的终止性问题; B:一个数据集的决策树可能不唯一; C:决策树进行属性分裂的时候有可能某个分支不需要用上所有类别属性进行规则式的建立 D:CART算法也是决策树算法。
- 7.下列说法正确的是 选项： A:决策树算法不能很好地解决冗余属性的问题 B:决策树算法对噪声敏感 C:决策树可以学习特征之间的线性关系 D:决策树对特征的单调变换不敏感。
- 8.以下哪项关于决策树的说法是错误的 选项： 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
- 9.以下哪项关于决策树的说法是错误的? 选项： 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: 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
- 10.以下哪项关于决策树的说法是错误的 ( )选项： 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
- 11.以下哪项关于决策树的说法是错误的选项： 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
- 12.以下哪项关于决策树的说法是错误的 （ ）选项： 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
- 13.以下哪项关于决策树的说法是错误的（）。选项： A:决策树算法对于噪声的干扰非常敏感 B:冗余属性不会对决策树的准确率造成不利的影响 C:寻找最佳决策树是NP完全问题 D:子树可能在决策树中重复多次
- 14.以下哪项关于决策树的说法是错误的（）选项： A:寻找最佳决策树是NP完全问题 B:冗余属性不会对决策树的准确率造成不利的影响 C:子树可能在决策树重复多次 D:决策树算法对于噪声的干扰非常敏感
- 15.以下哪项关于决策树的说法是错误的 选项： A:A.寻找最佳决策树是NP完全问题 B:B.冗余属性不会对决策树的准确率造成不利的影响 C:C.子树可能在决策树中重复多次 D:D.决策树算法对于噪声的干扰非常敏感
- 16.决策树学习算法采用选择部分属性和剪枝的技术，得到最终的决策树。选项： A:对 B:错
- 17.以下关于决策树说法错误的是（） 选项： A:根节点代表分类的开始 B:叶节点代表一个实例的结束 C:中间节点代表某一个属性的属性值 D:ID3算法是决策树学习的基本算法
- 18.决策树方法是一种规则方法，从一些实例数据中推理出以决策树形式表示的分类规则，因此属于归纳学习算法。选项： A:正确; B:错误
- 19.ID3决策树学习算法就是以（）为准则来选择划分属性。
- 20.以下关于随机森林(RandomForest)说法正确的是（）。 选项： A:随机森林由若干决策树组成，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
- 21.以下关于随机森林(Random Forest)说法正确的是()。 选项： A:随机森林算法容易陷入过拟合 B:随机森林由若干决策树组成，决策树之间存在关联性 C:随机森林学习过程分为选择样本、选择特征、构建决策树三个部分 D:随机森林构建决策树时，是有放回的选取训练数据
- 22.决策树学习算法中，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不同类别。（ ）
