登陆题目详情
单选题 下列哪些学习器可以作为集成学习中的学习器
学科：机器学习
时间：2023-12-10 16:25:59
相关题目
相关作业
题目1单选题
下列哪个算法不是并行化集成学习方法A. Random SubspaceB. Random ForestC. GradientBoostD. Bagging
题目2单选题
下列哪些学习器可以作为集成学习中的学习器A. 支持向量机B. 神经网络C. 决策树D. 其他选项都可以
题目3单选题
下列哪个算法不是序列化集成学习方法A. LPBoostB. XGBoostC. Random ForestD. AdaBoost
题目4单选题
下列关于Bagging算法描述中错误的是哪个A. 分类任务中使用投票法获得输出B. 回归任务中使用平均法获得输出C. Bagging算法中每个基学习器使用相同的数据集D. Random Forest是具有代表性的Bagging算法
题目5单选题
下列关于Boosting算法的说法中错误的是哪个A. 后一个基学习器更关注前一个基学习器学错的样本B. Boosting算法的输出是所有基学习器的加权求和C. 不同基学习器使用的样本权重是相同的D. Boosting算法适用于分类、回归、排序等机器学习问题
题目6单选题
下列哪个选项不是集成学习在分类任务中取得好性能的要求A. 存在一个完美的个体学习器B. 个体学习器犯错的样本较为分散C. 个体学习器具有较好的性能D. 个体学习器分对的样本不完全一致
题目7单选题
下列关于集成学习描述错误的是哪个A. 集成学习只能使用若干个相同类型的学习器B. 集成学习使用多个学习器解决问题C. 集成学习在英文中是一个外来词D. 集成学习在许多比赛中取得了优异的成绩
题目8单选题
下列哪个关于集成学习的描述是正确的A. 集成学习的性能可能与个体学习器的平均性能相同B. 集成学习的性能一定不差于最差的个体学习器C. 集成学习的性能在个体学习器平均性能与个体学习器最佳性能之间D. 集成学习一定能取得比最好的个体学习器更好的性能
题目9单选题
下列关于Boosting算法中样本权重调整的说法中错误的是哪个A. 前一个基学习器分错的样本会获得更大的权重B. 只要权重调整的方向正确,Boosting算法的性能就可以获得理论保证C. 决策树可以直接处理带权重的样本D. 所有样本的权重和保持不变
题目10单选题
【超纲】下列哪个选项是一种多样性度量A. 其余选项都是B. 不合度量C. 相关系数D. Q-统计量
下载 题海APP
拍照搜题更快捷
- 海量题库
- 无搜索限制
- 快捷拍照搜题
