A.决策树越复杂,分类能力越强。
B.在性能相同的情况下,通常选择能充分利用各种属性的决策树。
C.对于某一个数据集只能生成一种决策树。
D.对于某一个数据集,可以生成多个决策树。
第1题
A、决策树中有节点和叶。
B、每个节点可看做一个条件分支。
C、树顶端第一个节点称为根节点,根节点对于分类的重要性最高。
D、构建决策树时,选择节点的特征和划分的依据是使数据纯度提升最多的特征和划分。
第2题
A、决策树可以用于不确定型决策的制定
B、决策树是风险型决策的决策方法
C、使用决策树,必须要知道每种方案发生的确切的结果
D、决策树是一种非理性决策方法
第3题
A.决策树是在不确定条件下进行决策的一种方法
B.决策树和贝叶斯标准都可以用在风险的条件下决策
C.期望利润标准就是现实主义决策标准
D.乐观主义决策标准和保守主义者的决策标准应用于同一决策问题时的答案往往是一致的
第4题
A、预剪枝是在节点分枝前确定是否要继续树增长,可以比较分枝前后的准确率确定。
B、预剪枝可能导致欠拟合,因此要通过训练样本检验确定合适的树深度。
C、C4.5算法可以处理回归问题。
D、C4.5决策树的目标函数是信息增益。
第5题
B、决策树只能进行单级决策
C、决策树的分级越多,决策树图就会越复杂
D、决策树能够使项目管理者有步骤地进行决策
第6题
A、决策树是一种确定分类特征的方法,通过多种不同的分支方法确定属性的重要性。
B、决策树可以转化为规则的形式,这样利于计算机处理。
C、决策树一般越复杂性能越好
D、过拟合可能导致决策树训练失败,难以达到使用要求。
第7题
A、随机森林是一种集成模型。
B、集成模型提高性能的条件之一是模型间必须是相互独立的。
C、好模型和好模型集成才能得到更好的模型。
D、决策树是一种集成模型。
第8题
A.决策树很易懂
B.期望值方法是一种计量决策方法
C.决策树是期望值方法的一种方法
D.决策树很直观
E.采用期望值法主要是为了减少结果的不可靠性
第9题
A、冗余属性不会对决策树的准确率造成不利的影响
B、子树可能在决策树中重复多次
C、决策树算法对于噪声的干扰非常敏感
D、寻找最佳决策树是NP完全问题
第10题
A、通过对决策表的每个字段进行数据分片(然后每个字段再按照记录分片),可以实现决策树重要分枝属性的选择。
B、可以对决策表的样本进行划分,并行计算每个分片数据各种属性取值对应的类别个数,从而可以合并这些数据得到某个属性在整个数据集的重要性度量。
C、决策树对大数据的处理只能采用批处理的算法。
D、决策树的分布式学习可以借助MapReduce计算框架。
为了保护您的账号安全,请在“上学吧”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!