题目
A.不纯度越小的节点,熵值越大
B.信息增益可以由熵计算得到
C.信息增益更加倾向于选择有较多取值的属性
D.信息增益更加倾向于选择有较少取值的属性
第1题
A.不纯度越小的节点,熵值越大
B.信息增益可以由熵计算得到
C.信息增益更加倾向于选择有较多取值的属性
D.信息增益更加倾向于选择有较少取值的属性
第4题
A.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
B.属性在决策树中的位置不同,决策树的效率是不同的
C.规则归纳问题,适合用决策树来表示
D.决策树算法是无监督学习
第7题
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
第8题
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。
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!