用于监督分类的算法有
A.决策树
B.神经网络
C.支持向量机
D.线性回归
A.决策树
B.神经网络
C.支持向量机
D.线性回归
A.如果一个属性对于所有样本都没有区分能力,那么对于决策毫无用处
B.单一支持向量机模型本身是针对多分类问题的算法
C.K近邻算法中,K值的选择,不会对分类结果有很大影响
D.属性在决策树中的位置不同,并不会影响决策树的效率
A.回归和分类算法均属于有监督学习
B.有监督学习是从标签化训练数据集中推断出模型的机器学习任务
C.主成分、聚类、决策树是无监督学习
D.对于监督学习中的分类问题,数据偏斜不能过于严重,不同类别的数据数量不要有数个数量级的差距
A.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
B.K近邻算法中K值的选择对分类的结果影响不大
C.模型测试阶段的测试数据集不能与训练数据集有交集
D.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
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!