登陆题目详情
单选题 决策树划分时,当遇到以下哪种情形时,将结点标记为叶节点,其类别标记为当前样本集中样本数最多的类
学科：Machine Learning 机器学习
时间：2024-03-23 03:36:48
相关题目
相关作业
题目1单选题
决策树划分时,若当前结点包含的样本集合为空,则应该怎么做A. 将结点标记为叶结点,其类别标记为父结点中样本最多的类B. 将结点标记为叶结点,其类别标记为父结点中样本最少的类C. 将结点标记为叶结点,其类别标记为父结点中任意一个类D. 从其他结点获得样本,继续进行划分
题目2单选题
决策树划分时,当遇到以下哪种情形时,将结点标记为叶节点,其类别标记为当前样本集中样本数最多的类A. 当前属性集为空,或所有样本在所有属性上取值相同B. 当前属性集不为空,或所有样本在所有属性上取值相同C. 当前结点包含的样本集合为空,或当前属性集为空D. 当前结点包含的样本集合为空,或所有样本在所有属性上取值相同
题目3单选题
下列说法错误的是()A. 信息增益准则对可取值较少的属性有所偏好B. C4.5算法并不是直接选择增益率最大的候选划分属性C. 基尼指数反映了从数据集中随机抽取两个样本,其类别标记不一致的概率D. 基尼指数越小,数据集的纯度越高
题目4单选题
随着决策树学习时的深度增加,会发生什么现象A. 位于叶结点的样本越来越少B. 不会把数据中不该学到的特性学出来C. 决策树不会过拟合D. 叶结点一定学到一般规律
题目5单选题
下列说法正确的是()A. 决策树处理缺失值时,仅通过无缺失值的样例来判断划分属性的优劣B. 若数据中存在缺失值,决策树会仅使用无缺失的样例C. 若数据维度很高,不容易出现大量缺失值D. 对决策树,给定划分属性,若样本在该属性上的值缺失,会随机进入一个分支
题目6单选题
关于剪枝,下列说法错误的是()A. 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. 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D. 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
预剪枝欠拟合风险(),后剪枝欠拟合风险()A. 降低;降低B. 增加;基本不变C. 基本不变;基本不变D. 基本不变;增加
题目8单选题
下面关于预剪枝的说法错误的是()A. 预剪枝显著减少了决策树的训练时间开销和测试时间开销B. 预剪枝降低了过拟合风险C. 预剪枝基于贪心策略D. 预剪枝仅在划分后泛化性能提高时进行划分,因此欠拟合风险基本不变
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
