题目内容
(请给出正确答案)
[判断题]
决策树学习的算法通常是一个递归地选择最优特征,并根据该特征对训练数据进行分割,使得各个子数据集有一个最好的分类的过程,这一过程对应着特征空间的划分,也对应着决策树的构建。()
查看答案
如果结果不匹配,请 联系老师 获取答案
A.级别划分较多的属性不会影响模型效果
B.在某些噪音较大的分类或回归问题上不会过拟合
C.每次学习使用不同训练集,一定程度避免过拟合
D.能够处理高纬度的数据,并且不做特征选择
A.条件熵H(Y|X)表示在已知特征X的条件下,类别Y的不确定性的度量
B.决策树基本思想是贪心算法,它以自顶(根节点)向下递推生成的方式构造决策树
C.熵可用于描述信息的不确定性或混乱程度,信息的不确定性越大则熵越大,反之越小
D.ID3算法的属性选择度量就是使用信息增益,选择最小信息增益的属性作为当前节点的测试属性