题目内容
(请给出正确答案)
[单选题]
随机森林与Bagging中基学习器"多样性"的区别是()。
A.都来自样本扰动
B.都来自属性扰动
C.来自样本扰动和自属性扰动
D.多样本集结合
答案
查看答案
A.都来自样本扰动
B.都来自属性扰动
C.来自样本扰动和自属性扰动
D.多样本集结合
第2题
A.各基分类器之间有较强依赖,不可以进行并行训练
B.最著名的算法之一是基于决策树基分类器的随机森林
C.当训练样本数量较少时,子集之间可能有重叠
D.为了让基分类器之间互相独立,需要将训练集分为若干子集
第5题
A.随机森林中的基分类器通常是CART决策树
B.agging方法得到的分类器对于噪声数据和过拟合问题更具健壮性
C.Boosting可将弱学习器提升为强学习器
D.Stacking的结果由最初的学习器决定
第8题
A.随机森林由若干决策树构成,决策树之间存在关联性。
B.随机森林学习过程分为选择样本,选择特征,构建决策树、投票四个部分。
C.随机森林算法容易陷入过拟合。
D.随机森林构建决策树时,是无放回的选取训练数据。
第9题
A.和Adaboost相比,随机森林对错误和离群点更鲁棒
B.随机森林准确率不依赖于个体分类器的实例和他们之间的依赖性
C.随机森林对每次划分所考虑的属性数很偏感
D.Adaboost初始时每个训练元组被赋予相等的权重
第10题
A.随机森林是减少模型的方差,而GBDT是减少模型的偏差
B.组成随机森林的树可以并行生成,而GBDT是串行生成
C.随机森林的结果是多数表决表决的,而GBDT则是多棵树累加之和