机器学习答案2023

第三章测试

1.下面有关决策树的描述，错误的是（ ）。
A:决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法
B:对于决策树，数据的准备需要海量的，并且需要能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果
C:决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别
D:决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义

答案:B
2.

决策树的优点在于（ ）。

A:直观简洁
B:其余三方面均是
C:便于解决多阶段问题差
D:简化决策过程
3.在决策树方法中，由决策节点引出的分支称为__，由自然状态节点引出的分支称为___。 （ ）
A:决策分支、状态分支
B:方案分支、概率分支
C:决策分支、概率分支
D:方案分支、状态分支
4.决策树一般不包括。（ ）
A:结果节点
B:时间节点
C:决策节点
D:状态节点
5.以下哪个领域不是决策树算法擅长的应用领域？（ ）
A:医疗诊断
B:垃圾邮件分类
C:客户信用度分类
D:机器视觉
6.决策树的构成要素包括：（ ）？
A:状态节点
B:概率枝
C:决策点
D:方案枝
7.在决策树剪枝中，常用的后剪枝法有：（ ）？
A:REP错误率降低剪枝法
B:TP阈值剪枝法
C:CCP代价复杂度剪枝法
D:PEP悲观剪枝法
8.决策树特征选择准则较常采用的三种指标是：（ ）？
A:信息熵（Information entropy）
B:信息增益率（Information Gain Ratio）
C:信息增益（Information Gain）
D:基尼指数（Gini Index )
9.决策树的学习过程主要包括：（ ）？
A:数据清洗
B:特征选择
C:决策树的剪枝
D:决策树的生成
10.如果决策树过度拟合训练集，那么可以适当降低max_depth值，因为这样会限制模型，使其正则化。（ ）
A:对 B:错 11.绘制决策树时，节点上的数字为此方案的损益期望值。（ ）
A:对 B:错 12.ID3决策树学习算法是以 为准则来划分的属性的。____
13.C4.5决策树学习算法是以 为准则来划分的属性的。____
14.CAR决策树学习算法是以 为准则来划分的属性的。____