下列选项中,属于Boosting方法的特点的是?
A.串行训练的算法,基分类器彼此关联
B.串行算法不断增加训练器训练偏差
C.基分类器应该选择偏差较小的算法
D.并行训练的算法,基分类器彼此关联
- · 有4位网友选择 B,占比50%
- · 有2位网友选择 C,占比25%
- · 有1位网友选择 A,占比12.5%
- · 有1位网友选择 D,占比12.5%
A.串行训练的算法,基分类器彼此关联
B.串行算法不断增加训练器训练偏差
C.基分类器应该选择偏差较小的算法
D.并行训练的算法,基分类器彼此关联
A、决策树不要求样本集的各个维度的特征具有同质性
B、一般无法用基于距离的指标来衡量样本集划分结果的紧致性
C、一般不采用熵的概念来度量每个子样本集的纯度
D、决策树是有监督学习方法
A、分类器性能提升是匀速的,与是否接近最优结果无关
B、分类器越接近最优解,分类器性能提升越慢
C、分类器错误率高,稍微训练即可大幅提升训练结果
D、其余三种说法都对
A、有监督学习方法
B、无监督学习方法
C、速度快,分类决策规则明确
D、需选择分支后两个子节点纯度最高的特征作为一个节点的测试特征
E、未考虑特征间的相关性
F、分类无偏性好,但容易发生过拟合
A、算法的组合过程能减小偏差
B、基分类器要选择方差小、泛化能力强的弱分类器
C、只能解决二分类问题
D、异常数据(离群点)影响大
E、精度高,参数少,自适应能力强
F、不易实现并行化训练
A、可以对不同分类器算法进行集成
B、可以对相同分类器在不同条件下集成
C、集成算法无法在不同条件下进行集成
D、对数据集不同部分分配给不同分类器后集成
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!