A、贝叶斯是概率框架下实施决策的基本方法
B、贝叶斯基于概率和误判损失来选择最优的类别标记
C、 贝叶斯中期望损失定义为风险
D、贝叶斯判定准则为最大化总体风险
答案:D
解析:使用贝叶斯判定准则来最小化决策风险
A、贝叶斯是概率框架下实施决策的基本方法
B、贝叶斯基于概率和误判损失来选择最优的类别标记
C、 贝叶斯中期望损失定义为风险
D、贝叶斯判定准则为最大化总体风险
答案:D
解析:使用贝叶斯判定准则来最小化决策风险
解析:正确
A. 从偏差-方差分解的角度看,Boosting主要关注降低偏差
B. 从偏差-方差分解的角度看,Bagging主要关注降低方差
C. 随机森林简单、容易实现、计算开销小
D. Boosting不能基于泛化性能相当弱的学习器构建出很强的集成
解析:见算法解析
A. 自变型
B. 离散型
C. 应变型
D. 连续型
A. 核对
B. 验证
C. 检验
D. 跟踪
A. 属于结构自适应网络,网络结构也是其优化目标;
B. 主要成分为级联、相关、归约;
C. 无需设置网络层数、隐层神经元数目;
D. 训练速度快,但数据较小时容易陷入过拟合;
解析:见算法解析
A. 信息增益
B. 损失函数
C. 准确率
D. 召回率
解析:剪枝分为前剪枝和后剪枝,前剪枝本质就是早停止,后剪枝通常是通过衡量剪枝后损失函数变化来决定是否剪枝。
解析:正确