温度降尺度回归树算法试题库及答案.docVIP

温度降尺度回归树算法试题库及答案

一、单项选择题（每题2分，共10题）

1.回归树算法属于以下哪种学习算法？

A.监督学习B.无监督学习C.强化学习

答案：A

2.温度降尺度中使用回归树的目的主要是？

A.数据分类B.降尺度预测温度C.数据聚类

答案：B

3.回归树构建过程中常用的划分准则是？

A.信息增益B.基尼系数C.均方误差

答案：C

4.以下哪个不是回归树的优点？

A.易于理解B.对异常值不敏感C.处理高维数据效果好

答案：C

5.回归树的叶节点存储的是？

A.类别B.预测值C.划分条件

答案：B

6.在温度降尺度中，回归树输入的特征是？

A.单一温度数据B.多种气象相关数据C.图像数据

答案：B

7.回归树算法结束的条件不包括？

A.达到最大深度B.节点样本数过少C.所有节点纯度为1

答案：C

8.若要提高回归树对温度降尺度的预测精度，可采取的方法是？

A.减少训练数据B.增加树的深度C.降低划分准则阈值

答案：B

9.回归树与决策树的主要区别在于？

A.构建算法不同B.输出值类型不同C.应用场景不同

答案：B

10.温度降尺度中回归树的训练数据来源不包括？

A.历史气象站数据B.随机生成数据C.卫