题目
A.如果一个属性对于所有样本都没有区分能力,那么对于决策毫无用处
B.单一支持向量机模型本身是针对多分类问题的算法
C.K近邻算法中,K值的选择,不会对分类结果有很大影响
D.属性在决策树中的位置不同,并不会影响决策树的效率
第1题
A.属性在决策树中的位置不同,决策树的效率是相同的。
B.如果一个属性对于所有样本都没有区分能力,那么对于决策毫无用处。
C.如果一个属性恰好能将样本数据一分为二,则这是一个好的属性,应该尽量在决策早期就使用。
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2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3题
A.训练模型的目标是从所有样本中找到一组平均损失“较大”的权重和偏差。
B.训练模型表示通过有标签样本来学习(确定)所有权重和偏差的理想值。
C.在监督式学习中,机器学习算法通过以下方式构建模型:检查多个样本并尝试找出可最大限度地减少损失的模型,这一过程称为经验风险最小化。
D.损失是对糟糕预测的惩罚:损失是一个数值,表示对于单个样本而言模型预测的准确程度。
第4题
A.0
B.1
C.2
D.3
第5题
A.3
B.0
C.1
D.2
第6题
A.3
B.1
C.0
D.2
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
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!