第八章 机器学习实验：以具体数据为例讲解机器学习的流程，包括数据业务理解、数据预处理、统计图描述统计分析、决策树、随机森林和支持向量机等知识点。8.1机器学习概述、数据业务理解:介绍adult数据的变量、变量类型，数据分析的主要任务。[单选题]决策树学习算法主要包括①决策树的生成、②决策树的剪枝、③特征选择等3个部分，3个部分顺序正确的是（ ）
8.2数据预处理:根据adult数据的特点，介绍部分数据预处理方法。
8.3描述统计分析:根据adult数据任务要求进行相关统计图等描述统计分析。
8.4决策树模型分析原理:介绍决策树算法原理。
8.5决策树模型分析操作演示:介绍决策树算法R软件操作演示。
8.6随机森林模型分析原理:介绍随机森林算法原理。
8.7随机森林模型分析操作演示:介绍随机森林分析R软件操作演示。
8.8支持向量机分析原理:介绍支持向量机分析原理。
8.9支持向量机分析操作演示:介绍支持向量机分析R软件操作演示。
8.1机器学习概述、数据业务理解:介绍adult数据的变量、变量类型，数据分析的主要任务。
8.2数据预处理:根据adult数据的特点，介绍部分数据预处理方法。
8.3描述统计分析:根据adult数据任务要求进行相关统计图等描述统计分析。
8.4决策树模型分析原理:介绍决策树算法原理。
8.5决策树模型分析操作演示:介绍决策树算法R软件操作演示。
8.6随机森林模型分析原理:介绍随机森林算法原理。
8.7随机森林模型分析操作演示:介绍随机森林分析R软件操作演示。
8.8支持向量机分析原理:介绍支持向量机分析原理。
8.9支持向量机分析操作演示:介绍支持向量机分析R软件操作演示。
②①③
③①②
①②③
③②①
答案：③①②
[单选题]可以将所有含缺失值NA的观测都删去的函数是（ ）
na.pass
na.contiguous
na.omit
na.fail
[单选题]如图数据，研究是否批准贷款申请（“类别”变量）。经计算年龄、有工作、有自己的房子、信贷情况4个特征的信息增益依次为0.083、0.324、0.420和0.363，根据ID3决策树学习算法应该选择（ ）为划分标志。
信贷情况
有工作
有自己的房子
年龄
[单选题]如果一个 SVM 模型出现欠拟合，那么下列哪种方法能解决这一问题？（ ）
减小核系数（gamma参数）
减小惩罚参数 C 的值
同时减少惩罚参数 C的值和核系数（gamma参数）
增大惩罚参数 C 的值
[单选题]评估完模型之后，发现随机森林模型存在高偏差（high bias），应该如何解决？（ ）
上面说法都正确
增加样本数量
减少模型的特征数量
增加模型的特征数量
[单选题]假设我们使用原始的非线性可分的 Soft-SVM 优化目标函数。我们需要做什么来保证得到的模型是线性可分离的？（ ）
C = 1
C = 0
C 负无穷大
C 正无穷大
[多选题]下列哪些R包可以进行决策树分析（ ）
dplyr
Rmisc
party
rpart
tree
[判断题]CART决策树算法以信息增益率准则来选择划分属性。（ ）
错
对[判断题]在训练完 SVM 之后，我们可以只保留支持向量，而舍去所有非支持向量。仍然不会影响模型分类能力。这句话是否正确？（ ）
对
错[判断题]随机森林模型是使用随机特征子集来创建中间树的（ ）
对
错[判断题]随机森林模型的中间树不是相互独立的（ ）
错
对
温馨提示支付 ￥1.00 元后可查看付费内容,请先翻页预览!
