登陆题目详情
单选题 信息熵Entrophy是度量样本集合___________最常用的一种指标
学科：机器学习
时间：2024-01-06 14:54:20
相关题目
相关作业
题目1单选题
以下关于决策树特点分析的说法错误的有 ( )A. 算法考虑了数据属性之间的相关性B. 算法容易造成过拟合C. 算法自动忽略了对模型没有贡献的属性变量D. 推理过程容易理解,计算简单
题目2单选题
关于CART算法,错误的是( )A. CART 分类树采用基尼系数的大小来度量特征的各个划分点B. CART算法既可以处理分类问题,也可以处理回归问题C. CART算法采用信息增益率的大小来度量特征的各个划分点D. 可以处理样本不平衡问题
题目3单选题
以下那种说法是错误的( )A. 信息增益 = 信息熵 - 条件熵B. 中国足球队战胜巴西足球队的信息熵要小于中国乒乓球队战胜巴西乒乓球队的信息熵C. 一个系统越是混乱,随机变量的不确定性就越大,信息熵就越高D. 一个系统越是有序,信息熵就越低
题目4单选题
下列选项哪个是决策树的预测过程A. 将测试示例从一个中间节点开始,沿着划分属性所构成的"判定测试序列"下行,直到叶节点B. 将测试示例从叶节点开始,沿着划分属性所构成的"判定测试序列"上行,直到根节点C. 将测试示例从叶节点开始,沿着划分属性所构成的"判定测试序列"上行,直到根节点D. 将测试示例从根节点开始,沿着划分属性所构成的"判定测试序列"下行,直到叶节点E. 将测试示例从根节点开始,沿着划分属性所构成的"判定测试序列"下行,直到叶节点F. 将测试示例从一个中间节点开始,沿着划分属性所构成的"判定测试序列"上行,直到根节点G. 将测试示例从一个中间节点开始,沿着划分属性所构成的"判定测试序列"上行,直到根节点
题目5单选题
提前终止某些分支的生长,这个策略的名称是什么A. 随机剪枝B. 随机剪枝C. 不剪枝D. 不剪枝E. 后剪枝F. 后剪枝G. 预剪枝H. 预剪枝
题目6单选题
关于剪枝,下列说法错误的是()A. 决策树的剪枝算法可以分为两类,分别称为预剪枝和后剪枝B. 决策树的剪枝算法可以分为两类,分别称为预剪枝和后剪枝C. 对于同一棵树,进行预剪枝和后剪枝得到的决策树是一样的D. 对于同一棵树,进行预剪枝和后剪枝得到的决策树是一样的E. 预剪枝在树的训练过程中通过停止分裂对树的规模进行限制F. 预剪枝在树的训练过程中通过停止分裂对树的规模进行限制G. 后剪枝先构造出一棵完整的树,然后通过某种规则消除掉部分节点,用叶子节点替代H. 后剪枝先构造出一棵完整的树,然后通过某种规则消除掉部分节点,用叶子节点替代
题目7单选题
信息熵Entrophy是度量样本集合___________最常用的一种指标A. 对称差B. 对称差C. 纯度D. 纯度E. 大小F. 大小G. 重要性H. 重要性
题目8单选题
以下关于决策树原理介绍错误的有 ( )A. 决策树算法本质上是贪心算法B. 决策树算法属于无监督学习C. 决策树决策过程从根节点开始D. 决策树生成过程中需要用到分割法
题目9单选题
决策树学习的策略是什么A. 分而治之B. 分而治之C. 聚类D. 聚类E. 集成F. 集成G. 排序H. 排序
题目10单选题
关于C4.5算法,错误的是( )A. C4.5 算法最大的特点是克服了 ID3 对特征数目的偏重这一缺点B. C4.5算法引入悲观剪枝策略进行后剪枝C. C4.5算法采用基尼系数的大小来度量特征的各个划分点D. C4.5算法可以处理非离散的数据
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
