题目
A.支持向量机中,一个样本点与分割平面的距离越远,则分类越不明确。
B.ID3 算法由昆兰(Quinlan,1986)提出,并指出可利用“信息增益”来对属性进行排序。
C.决策树中如果一个属性执行后,使得数据集上的信息增益最大(最有序),则该属性应该优先被执行(更接近根节点)。
D.支持向量机使用“平面”来切割空间,实现分类。
第1题
第4题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
第5题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
第6题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
第7题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
第8题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
第9题
A.Naïve Bayes(朴素贝叶斯)是一种概率分类器
B.SVM(支持向量机)在向量空间构造超平面,以区分不同类别的样本
C.决策树基于树结构进行决策,从树根到一个叶子的路径对应一个分类规则
D.SVM(支持向量机)和K-NN(K-近邻)都有模型的训练过程(构造分类模型)
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!