数据挖掘决策树专项试题（含详细答案）.docxVIP

数据挖掘决策树专项试题（含详细答案）

适用范围：数据挖掘课程期末考核、机器学习基础测试

考试说明：满分100分，答题时间90分钟，重点考察决策树原理、ID3/C4.5/CART算法、剪枝、过拟合及实际计算

一、单项选择题（每题3分，共10题，合计30分）

1.决策树算法的核心思想是（）

A.基于聚类规则划分数据集B.基于特征属性递归划分数据集，实现分类与预测

C.基于距离相似度分类D.基于概率模型拟合数据

2.ID3算法用于选择最优划分特征的指标是（）

A.信息增益B.信息增益率C.基尼系数D.均方误差

3.C4.5算法相较于ID3算法的核心改进是（）

A.支持回归任务B.采用基尼系数筛选特征

C.解决信息增益偏向取值多特征的问题，支持连续属性处理D.运算速度更快

4.CART决策树的划分依据是（）

A.信息增益B.信息增益率C.基尼系数D.熵值大小

5.下列关于决策树剪枝的说法，正确的是（）

A.剪枝只会降低训练集精度，提升测试集泛化能力

B.预剪枝是训练完成后修剪冗余分支

C.后剪枝是训练过程中提前停止树的生长

D.剪枝的核心目的是提升模型训练精度

6.信息熵的取值范围是（）

A.[-1,1]B.[0,1]C.[0,log?n]D.(-∞,+