第四章单元测试
- 对决策树进行剪枝处理的主要目的是什么（ ）。
- 关于决策树结点划分指标描述正确的是（ ）。
- 在我们想在大数据集上训练决策树，为了使用较少时间，可以采用（ ）。
- 下列关于极大似然估计，说法正确的是（ ）。
- 在分类树中，什么指标可以作为二叉分裂的准则（ ）。
- 决策树的适用面较广，对于分类应用和回归应用，决策树都可以被用来构建模型。（ ）
- 决策树是基于树结构来进行决策的，决策树学习的目的是为了产生一棵泛化能力强的决策树。（ ）
- 如果对决策树进行剪枝可以减小决策树的复杂度，提高决策树的专一性能力。（ ）
- 预剪枝决策树通常比后剪枝决策树保留了更多的分支。（ ）
- 决策树本身是一种贪心的策略，不一定能够得到全局的最优解。（ ）
- 训练算法的目的就是要让模型拟合训练数据。（ ）
- 当我们说模型训练结果过拟合的时候，意思是模型的泛化能力很强。（ ）
A:避免欠拟合 B:避免过拟合，降低泛化能力 C:提高对训练集的学习能力 D:避免过拟合，提升泛化能力
答案:避免过拟合，提升泛化能力
A:类别非纯度越大越好 B:信息增益率越小越好 C:信息增益越大越好 D:基尼指数越大越好
A:增加树的深度 B:增加学习率 C:减少树的数量 D:减少树的深度
A:如果极大似然估计存在，那么它的解一定是唯一的 B:极大似然估计可能并不存在 C:极大似然估计总是存在 D:如果极大似然估计存在，那么它的解可能不是唯一的
A:互熵 B:RSS C:基尼指数 D:分类错误率
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:错 B:对
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
