题目
A.GBDT算法采用了Boosting技术,通过迭代更新样本的权重,串行生成序列的决策树集合
B.随机森林的基学习器采用装袋法,多个基学习器可以并行执行
C.随机森林的准确度一般好于GBDT算法的准确度
D.随机森林和GBDT都是决策树的集成模型
第3题
A.训练可以高度并行化,对于大数据时代的大样本训练速度有优势
B.由于采用了随机采样,训练出的模型的方差小,泛化能力强
C.对部分特征缺失很敏感
D.在某些噪音比较大的样本集上,容易陷入过拟合
第7题
A.每颗树都是从属性集随机抽取一定数目的属性作为候选的特征。
B.随机森林训练后只需选择性能最好的树最为预测模型。
C.随机森林是一种集成算法,可以使用CART等基学习器提高分类的性能。
D.类似装袋法的样本抽样方法,保证每棵树的学习样本集的多样性。
第8题
A.用于分类的学习算法一般都会遇到过拟合问题
B.决策树的过拟合可以采用剪枝方法来处理
C.神经网络的过拟合可以采用正则化、增加测试样本的方法
D.过拟合时训练样本的准确度会下降
第10题
A.决策树
B.随机森林算法
C.神经网络
D.关联规则算法
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!