A.小波
B.调和
C.剪枝
D.回归
第1题
A.ID3使用的信息增益
B.C4.5使用的增益率
C.CART使用的基尼指数
D.NNM使用的梯度下降
第4题
A.级别划分较多的属性不会影响模型效果
B.在某些噪音较大的分类或回归问题上不会过拟合
C.每次学习使用不同训练集,一定程度避免过拟合
D.能够处理高纬度的数据,并且不做特征选择
第6题
A.数据集合扩充
B.L1和L3正则化
C.提前停止训练
D.使用Dropout方法
第8题
A.Bagzing改进了预测准确率,也具有非常好的解释性
B.由于每一个样本被选中的概率相同,因此装袋并不侧重于训练数据集中的任何特定实例
C.对于噪声数据,装袋不太受过分拟合的影响
D.Bagging通过降低基学习器的方差改善了泛化误差
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!