![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
以下哪项关于决策树的说法是错误的()?
A.决策树的构建是一种自下向上的归纳过程
B.决策树是一种树形结构,每个节点表示在某个属性上的测试
C.决策树的构建是种自顶向下的递归过程
D.决策树的每个分支表示一个测试输出,叶子节点表示一种类别
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.决策树的构建是一种自下向上的归纳过程
B.决策树是一种树形结构,每个节点表示在某个属性上的测试
C.决策树的构建是种自顶向下的递归过程
D.决策树的每个分支表示一个测试输出,叶子节点表示一种类别
A.冗余属性不会对决策树的准确率造成不利的影响
B.子树可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
A.冗余属性不会对决策树的准确率造成不利的影响
B.子树可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
A.随机森林中的基分类器通常是CART决策树
B.agging方法得到的分类器对于噪声数据和过拟合问题更具健壮性
C.Boosting可将弱学习器提升为强学习器
D.Stacking的结果由最初的学习器决定
A.冗余属性不会对决策树的准确率造成不利的影响
B.子树可能在决策树中重复多次
C.决策树算法对于噪声的干扰非常敏感
D.寻找最佳决策树是NP完全问题
A.随机森林由若干决策树构成,决策树之间存在关联性。
B.随机森林学习过程分为选择样本,选择特征,构建决策树、投票四个部分。
C.随机森林算法容易陷入过拟合。
D.随机森林构建决策树时,是无放回的选取训练数据。
A.决策树在构建节点时选择一个特征,并根据这个特征不同的特征值将数据划分为不同的子集
B.决策树可能存在某个分支下面的数据是零条的情况
C.决策树同一个节点的分支是无序的
D.决策树的特征值可以是离散值
A.各基分类器之间有较强依赖,不可以进行并行训练
B.最著名的算法之一是基于决策树基分类器的随机森林
C.当训练样本数量较少时,子集之间可能有重叠
D.为了让基分类器之间互相独立,需要将训练集分为若干子集