随机森林算法描述正确的是()
A.不进行剪枝
B.不用做特征选择
C.建立决策树同原始特征的数目无关
D.对噪声的鲁棒性优于AdaBoost
- · 有4位网友选择 C,占比44.44%
- · 有1位网友选择 D,占比11.11%
- · 有1位网友选择 AC,占比11.11%
- · 有1位网友选择 BD,占比11.11%
- · 有1位网友选择 BC,占比11.11%
- · 有1位网友选择 AD,占比11.11%
A.不进行剪枝
B.不用做特征选择
C.建立决策树同原始特征的数目无关
D.对噪声的鲁棒性优于AdaBoost
A.随机森林算法的分类精度不会随着决策树数量的增加而提高。
B.随机森林算法对异常值和缺失值不敏感。
C.随机森林算法不需要考虑过拟合问题。
D.决策树之间相关系数越低、每棵决策树分类精度越高的随机森林模型的分类效果越好。
A.随机森林既可以做分类,也可以做回归分析。
B.与单颗决策树模型相比,随机森林不容易产生过拟合。
C.与单颗决策树相比,随机森林需要更多的特征工程。
D.随机森林模型的准确率取决于少数准确度较好的少数决策树模型。
A.决策树可以得到对分类重要的属性,因此可以作为分类特征获取的一种方法。
B.如果要了解影响签署合同快慢的主要因素,可以使用决策树算法。
C.决策树获得的特征可以作为其他算法(例如回归算法的自变量)输入的依据。
D.决策树获得的特征是区分不同类别的最优特征。
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。
为了保护您的账号安全,请在“简答题”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!