第四章在决策树分割结点的时候，下列关于信息增益说法正确的是（ ）
答案:信息增益可以用”1比特-熵”获得;如果选择一个属性具有许多特征值, 那么这个信息增益是有偏差的
如果自变量 X 和因变量 Y 之间存在高度的非线性和复杂关系，那么树模型很可能优于经典回归方法。（ ）在决策树学习过程中，用属性α 对样本集D 进行划分所获得的"信息增益"越大，则意味着使用属性α 来进行划分所获得的"纯度提升"越大。（ ）对于划分属性选择，以下说法正确的是（ ）数据集D 的纯度可用它的基尼值来度量，基尼值越小，则数据集D 的纯度越高。（ ）
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
