原创力文档- 1、本文档共1页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
一、选择题
1.A 2.B 3.B 4.A 5.D 6.A 7.A 8.A 9.B 10.A
二、判断题
1.对 2.错 3.错 4.错 5.对 6.对 7.错 8.对 9.对 10.错
三、填空题
1.代价函数目标函数 2.7 3.ID3 4.基尼指数（基尼不纯度）
5.样本被选中的概率样本被分错的概率 6.平移不变性旋转不变性 7.标量
8.弱分类器 9.当前分类器
10.无监督学习(UnsupervisedLearning)方法
四、简答题
1、
答：优点:计算复杂度不高，输出结果易于理解，数据有缺失也能跑，可以处理不相关特征。
缺点:容易过拟合。适用数据类型:数值型和标称型。
2、
答：其中的核心思想就是，在每一次实际对结点进行进一步划分之前，先采用验证集的数据来验证划分是否能提高划分的准确性。如果不能，就把结点标记为叶结点并退出进一步划分；如果可以就继续递归生成节点。
3、
答：如果你已经训练了五个不同的模型，并且都达到了95％的精度，你可以尝试将它们组合成一个投票集成，这通常会带来更好的结果。如果模型之间非常不同（例如，一个SVM分类器，一个决策树分类器，以及一个Logistic回归分类器等），则效果更优。如果它们是在不同的训练实例（这是bagging和pasting集成的关键点）上完成训练，那就更好了，但如果不是，只要模型非常不同，这个集成仍然有效。
文档评论（0）