![](https://lstatic.shangxueba.com/jiandati/h5/images/m_q_title.png)
有关决策树的说法哪个是错误的?()
A.可以转化为决策规则
B.对新样本起到分类预测的作用
C.决策树的深度越大越好
D.决策树的算法和神经网络的原理不一样
A.可以转化为决策规则
B.对新样本起到分类预测的作用
C.决策树的深度越大越好
D.决策树的算法和神经网络的原理不一样
A.决策树的训练样本拟合误差小,但检验样本的泛化误差比较大。
B.可能是决策树的深度变大了
C.可以使用剪枝的方法减少决策树的复杂度
D.当出现过拟合时,因为对训练样本的拟合比较好,因此对新样本的预测效果好。
A.决策树的过拟合时因为树的深度比较大引起,因此可以限制分支的最小样本数或控制树的深度解决。
B.决策树中没有出现的属性是对分类无用的。
C.相对于神经网络,决策树可解释性好,而且训练效率高。
D.决策树算法对样本的噪声非常敏感,少数噪声可能引起决策树的很大变化。
A.决策树是一种确定分类特征的方法,通过多种不同的分支方法确定属性的重要性。
B.决策树可以转化为规则的形式,这样利于计算机处理。
C.决策树一般越复杂性能越好
D.过拟合可能导致决策树训练失败,难以达到使用要求。
A.决策树可以得到对分类重要的属性,因此可以作为分类特征获取的一种方法。
B.如果要了解影响签署合同快慢的主要因素,可以使用决策树算法。
C.决策树获得的特征可以作为其他算法(例如回归算法的自变量)输入的依据。
D.决策树获得的特征是区分不同类别的最优特征。
A.决策树可以用于不确定型决策的制定
B.决策树是风险型决策的决策方法
C.使用决策树,必须要知道每种方案发生的确切的结果
D.决策树是一种非理性决策方法
A、规则归纳问题,适合用决策树来表示
B、决策树算法是无监督学习
C、如果根据一个属性做判断,样本仍然有若干种情况,则该属性不应该出现在决策早期
D、属性在决策树中的位置不同,决策树的效率是不同的
A.决策树是一个从左至右依次展开的树状图
B.决策树的分级越多,决策树图就会越复杂
C.决策树只能进行单级决策
D.决策树能够使项目管理者有步骤地进行决策
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!