首页 › 答案 › 标签 › 机器学习

机器学习

101以下关于KD树的说法错误的是（）。
102利用KD树进行搜索时，正确的方式是（）。
103以下哪项是KNN算法的缺点？
104关于余弦相似度，不正确的是（）。
105KD树(K-DimensionTree)的描述中，不正确的是（）。
106假设有6个二维数据点：D={(2,3),(5,7),(9,6),(4,5),(6,4),(7,2)}，第一次切分时候，切分线为（）。
107KNN算法在什么情况下效果较好？
108关于KNN算法的描述，不正确的是（）。
109两个向量的长度分别为1和2，两者之间的夹角为60度，则以下选项错误的是（）。
110影响KNN算法效果的主要因素包括（）。
111以下关于KNN说法正确的是(多选)（）。
112闵可夫斯基距离中的p取1或2时的闵氏距离是最为常用的，以下哪项是正确的:（）。
113KNN算法的缺点包括以下几点？
114两个向量的余弦相似度越接近1，说明两者越相似。
115k近邻法(k-NearestNeighbor,kNN)是一种比较成熟也是最简单的机器学习算法，可以用于分类，但不能用于回归方法。
116KNN没有显示的训练过程，它在训练阶段只是把数据保存下来，训练时间开销为0，等收到测试样本后进行处理。
117KNN分类的时候，对新的样本，根据其k个最近邻的训练样本的类别，通过多数表决等方式进行预测。
118以下关于决策树特点分析的说法错误的有（）。
119以下关于决策树原理介绍错误的有（）。
120我们想要在大数据集上训练决策树模型，为了使用较少的时间，可以：（）。
121以下关于决策树算法说法错误的是（）。
122以下关于剪枝操作说法正确的是（）。
123C45选择属性用的是（）。
124哪种决策树没有剪枝操作（）。
125以下那种说法是错误的（）。
126ID3算法的缺点不包括（）。
127关于CART算法，错误的是（）。
128关于C45算法，错误的是（）。
129ID3选择属性用的是（）。
130决策树有哪些代表算法（）。
131以下那种算法需要对数据进行归一化或者标准化（）。
132关于剪枝，以下算法正确的是：（）。
133决策树的说法正确的是（）。
134ID3算法的核心思想就是以信息增益来度量特征选择，选择信息增益最大的特征进行分裂。
135C45是通过代价复杂度剪枝。
136ID3算法只能用于处理离散分布的特征。
137ID3和C45和CART都只能用于分类问题，不能用于回归问题。
138在随机森林里，你生成了几百颗树(T1,T2…Tn)，然后对这些树的结果进行综合，下面关于随机森林中每颗树的说法正确的是？
139以下关于集成学习特性说法错误的是（）。
140以下关于随机森林(RandomForest)说法正确的是（）。
141以下关于AdaBoost算法说法正确的是（）。
142以下关于GBDT算法说法错误的是（）。
143XGBoost算法说法错误的是（）
144关于Bagging方法，以下说法错误的是（）
145Adboost的优点不包括（）
146LightGBM与XGBoost相比，主要的优势不包括（）
147随机森林和GBDT的描述不正确的是（）
148以下那种算法不是集成学习算法（）
149GBDT算法的描述，不正确的是（）
150集成学习有以下哪几种代表算法(多选)（）。
151下面关于随机森林和梯度提升集成方法的说法哪个是正确的？(多选)（）
152LightGBM与XGBoost相比，主要有以下几个改进：(多选)（）
153GBDT由哪三个概念组成：（）
154XGBoost对损失函数做了二阶泰勒展开，GBDT只用了一阶导数信息，并且XGBoost还支持自定义损失函数，只要损失函数一阶、二阶可导。（）
155集成学习的数据不需要归一化或者标准化。
156LightGBM在建树过程中，采用基于最大深度的Leaf-wise的垂直生长算法。
157随机森林和GBDT都是使用了Bagging思想。
‹12›