GBDT是一个树形分类器的集合,它用随机的方式建立一个由很多的决策树组成森林,并且每一棵决策树之间是没有关联的。()
- · 有6位网友选择 对,占比66.67%
- · 有3位网友选择 错,占比33.33%
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.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.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.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.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
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!