以下关于决策树的说法中,不正确的是()。
A.冗余属性不会对决策树的准确率造成不利的影响
B.子数可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
A.冗余属性不会对决策树的准确率造成不利的影响
B.子数可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
A、规则归纳问题,适合用决策树来表示
B、决策树算法是无监督学习
C、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
D、属性在决策树中的位置不同,决策树的效率是不同的
A.决策树越复杂,分类能力越强。
B.在性能相同的情况下,通常选择能充分利用各种属性的决策树。
C.对于某一个数据集只能生成一种决策树。
D.对于某一个数据集,可以生成多个决策树。
A.决策树越复杂,分类能力越强
B.在性能相同的情况下,通常选择能充分利用各种属性的决策树
C.对于某一个数据集,只有一个决策树可以将其完美分开
D.对于某一个数据集,可以生成多个决策树
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.如果一个属性对于所有样本都没有区分能力,那么对于决策毫无用处
B.单一支持向量机模型本身是针对多分类问题的算法
C.K近邻算法中,K值的选择,不会对分类结果有很大影响
D.属性在决策树中的位置不同,并不会影响决策树的效率
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。
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!