林业大数据梯度提升+Stacking 融合试题库及答案.docVIP

林业大数据梯度提升+Stacking融合试题库及答案

一、单项选择题（每题2分，共10题）

1.梯度提升算法的核心是？

A.不断拟合残差B.随机划分数据C.直接求最优解D.聚类数据

2.Stacking融合中，第二层模型主要作用是？

A.直接预测结果B.组合第一层模型输出C.划分数据集D.评估模型

3.以下哪种不属于梯度提升算法优点？

A.精度高B.不易过拟合C.可处理高维数据D.训练速度快

4.在林业大数据中，梯度提升常用于？

A.图像分类B.数据清洗C.回归预测D.数据加密

5.Stacking融合通常需要几个层次的模型？

A.1个B.2个C.3个D.4个

6.梯度提升中学习率的作用是？

A.确定迭代次数B.控制每次提升步长C.划分数据集D.选择特征

7.林业大数据特征提取常用方法不包括？

A.PCAB.决策树C.LDAD.随机森林

8.以下关于Stacking说法错误的是？

A.可结合多个模型优势B.第一层模型可相同C.计算量小D.能提升预测性能

9.梯度提升算法中树的深度一般？

A.很深B.较浅C.固定为10D.无要求

10.林业大数据预测中，