以下决策树说法错误的是哪个()
A.决策树的过拟合时因为树的深度比较大引起,因此可以限制分支的最小样本数或控制树的深度解决。
B.决策树中没有出现的属性是对分类无用的。
C.相对于神经网络,决策树可解释性好,而且训练效率高。
D.决策树算法对样本的噪声非常敏感,少数噪声可能引起决策树的很大变化。
- · 有4位网友选择 A,占比40%
- · 有3位网友选择 D,占比30%
- · 有2位网友选择 C,占比20%
- · 有1位网友选择 B,占比10%
A.决策树的过拟合时因为树的深度比较大引起,因此可以限制分支的最小样本数或控制树的深度解决。
B.决策树中没有出现的属性是对分类无用的。
C.相对于神经网络,决策树可解释性好,而且训练效率高。
D.决策树算法对样本的噪声非常敏感,少数噪声可能引起决策树的很大变化。
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. 决策树可以直观地描述决策过程
B. 决策影响图可以直观地描述决策要素之间的关系
C. 决策影响图可以直观地描述决策要素之间的关系。适合复杂的决策
D. 决策树也适合复杂的决策,决策影响图能直观地表示决策结果的计算过程
A. 决策树是在不确定条件下进行决策的一种方法
B. 决策树和贝叶斯标准都可以用在风险的条件下决策
C. 期望利润标准就是现实主义决策标准
D. 乐观主义决策标准和保守主义者的决策标准应用于同一决策问题时的答案往往是一致的
A、决策树算法是无监督学习
B、规则归纳问题,适合用决策树来表示
C、属性在决策树中的位置不同,决策树的效率是不同的
D、如果根据一个属性做判断,样本仍然有若干种情况,则该属性不应该出现在决策早期
A. 决策树就是利用树型模型来描述决策分析问题,并直接在决策树图上进行决策分析的一种方法
B. 在决策树中,节点包括决策节点、状态节点和结果节点
C. 在决策树中,决策准则只能是益损期望值
D. 需要经过多级决策才能完成的决策,可以用多级决策树来表示
A. 决策树是用图形方式描述正在考虑中的某项决策及选择这个或那个备选方案的潜在后果
B. 决策树分析是一种风险工具,可用来选择最适当的应对策略
C. 它主要是一种用于定性分析风险分析的图形技术,通常不用于定量分析风险分析
D. 决策树分析利用预期货币价值分析来帮助组织识别各种备选方案的相对价值
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、SVD是一种矩阵分解方法,只适合单位矩阵的分解。
B、矩阵经过奇异值分解后,可以得到3个较小的矩阵,从而起到数据压缩的作用。
C、矩阵经过奇异值分解后,零奇异值越多,该矩阵对应的特征越多。
D、矩阵的奇异值分解可以得到数量较少的非零较大奇异值,其作用可以忽略,从而起到降维的作用。
A、当神经网络的隐层增加时,就容易发生梯度消失问题,表现在靠近输入层的权重难以更新。
B、网络梯度消失可能导致有些权重难以更新,导致网路训练失败。
C、网络梯度消失可以通过改变隐层和输出层的神经元激活函数减弱。
D、网络梯度消失可以通过减少隐层神经元的个数减弱。
A、1-f(x)
B、f(x)[1-f(x)]
C、1/f(x)-1
D、f(x)[1+f(x)]
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!