第八章单元测试
- 下面有关随机森林的陈述正确的是（ ）。
- 在Boosting算法中，以下哪个陈述是正确的（ ）。
- 在Bagging算法中，以下哪个陈述是正确的（ ）。
- Bagging和Boosting都是通过改变训练数据的分布来生成基学习器。（ ）
- 在AdaBoost算法中每一个基学习器的权重是相等的。（ ）
- 随机森林算法是一种特殊的Bagging算法，他在构建决策树时引入了额外的随机性。（ ）
- 在集成学习中，基学习器的多样性越大，集成的泛化能力就越强。（ ）
- 在集成学习中，只有当基学习器的性能超过随机猜测时，集成才可能有效。（ ）
- Boosting算法中的基学习器是串行生成的。（ ）
- 在随机森林中，增加树的数量会导致过拟合。（ ）
A:随机森林只包含一个决策树 B:随机森林不能解决分类问题 C:随机森林中的每棵树都是在完全相同的数据集上训练的 D:随机森林是Bagging上的一个变体。
答案:随机森林是Bagging上的一个变体。
A:Boosting算法中的所有弱学习器的权重都是相等的 B:Boosting算法试图降低偏差 C:Boosting算法是一种并行的集成学习方法 D:Boosting算法中的每一个弱学习器都是独立训练的
A:Bagging是并行式集成学习方法中最著名的代表 B:Bagging算法在不剪枝决策树，神经网络等易受到样本扰动的学习器上效果更加明显 C:Bagging中的每一个基学习器都是独立训练的 D:从偏差-方差角度来看，Bagging主要关注降低方差
A:错 B:对
A:对 B:错
A:错 B:对
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!
