题目内容
（请给出正确答案）
A.随机森林算法对异常值和缺失值不敏感。
B.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。
C.随机森林算法的分类精度会随着决策树数量的增加而提高。
D.醺机森林算法不需要考虑过拟合问题
参考答案
更多“随机森林指的是利用多棵树对样本进行训练并预测的一种分类器，以下针对随机森林算法的表述，错误的是（）。”相关的问题
A.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。
B.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。
C.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。
D.随机森林训练后只需选择性能最好的树最为预测模型。
A.GBDT算法比随机森林容易过拟合
B.随机森林是并行计算的,而GBDT不能
C.GBDT算法比随机森林容易欠拟合
D.GBDT与随机森林都是建立在CART树的基础之上的
A.GBDT算法比随机森林容易欠拟合
B.随机森林是并行计算的,而GBDT不能
C.GBDT算法比随机森林容易过拟合
D.GBDT与随机森林都是建立在CART树的基础之上的
A.针对同一个样本集合.同一个算法多次计算得到的分类错误率是一个定值
B.针对同一个样本集合.同一个算法多次计算得到的召回率是一个定值
C.针对同一个样本集合.同一个算法多次计算得到的分类准确率是一个定值
D.针对同一个样本集合.同一个算法多次计算得到的分类错误率不一定是一个定值
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。
A.随机森林只能用来分类，不能用来预测一个连续的数值型结果。
B.随机森林模型训练和应用的速度都较决策树慢
C.都不做K折交叉验证时，随机森林的性能评价比决策树的可靠
D.随机森林通常性能比决策树好
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
A.Bagging
B.Boosting
C.随机森林
D.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。
警告：系统检测到您的账号存在安全风险
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！
