题目下面关于ID3算法中说法错误的是（）

下面关于ID3算法中说法错误的是()

A.ID3算法要求特征必须离散化

B.信息增益可以用熵，而不是GINI系数来计算

C.选取信息增益最大的特征，作为树的根节点

D.ID3算法是一个二叉树模型

A.一种分类决策树算法

B.核心算法是ID3

C.在树构造过程中进行剪枝

D.不需要对数据集进行多次的顺序扫描和排序，因此算法效率高

A.ID3

B.C4.5

C.Adaboost

D.CART

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。

A.C4.5算法采用基尼系数的大小来度量特征的各个划分点

B.C4.5算法可以处理非离散的数据

C.C4.5算法引入悲观剪枝策略进行后剪枝

D.C4.5 算法最大的特点是克服了 ID3 对特征数目的偏重这一缺点

A.算法中的每一个步骤都必须是有明确定义的

B.算法必须在有限步内完成

C.算法可以没有输出

D.算法可以非人类语言表示

A.算法可以没有输出

B.算法中的每个步骤都是计算机可以执行的

C.算法可以没有输入

D.算法必须在有限步骤、有限时间内执行后结束

A.gini指标

B.信息增益

C.信息增益率

D.准确率

A.条件熵H(Y|X)表示在已知特征X的条件下，类别Y的不确定性的度量

B.决策树基本思想是贪心算法，它以自顶(根节点)向下递推生成的方式构造决策树

C.熵可用于描述信息的不确定性或混乱程度，信息的不确定性越大则熵越大，反之越小

D.ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性

A.熵可用于描述信息的不确定性或混乱程度，信息的不确定性越大则熵越大，反之越小

B.条件熵H(Y|X)表示在已知特征X的条件下，类别Y的不确定性的度量

C.决策树基本思想是贪心算法，它以自顶（根节点）向下递推生成的方式构造决策树。

D.ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。

A.目标检测是将目标从图像中提取出来

B.滑动窗口区域选择策略时间复杂度高，窗口冗余太多

C.目标检测算法主要采用卷积算法

D.目标检测对准确率要求更高，但是对检测耗时要求较低