A、统计和分析
B、挖掘
C、导入和预处理
D、采集
答案:ABCD
A、统计和分析
B、挖掘
C、导入和预处理
D、采集
答案:ABCD
A. 知识图谱
B. 自然语言处理
C. 语音识别
D. 调度控制业务规约
A. 经验误差
B. 泛化误差
C. 精度误差
D. 特定误差
A. 以上都不对
B. python的可解释性强
C. numpy等python库的效率更高
D. python运行程序时逐行翻译
A. 0.2
B. 0.25
C. 30%
D. 0.35
解析:正确
解析:正确
A. 变量
B. 常量
C. 张量数据结构
D. 计算图算法语言
A. 增加树的深度
B. 增加学习率
C. 减少树的数量
D. 减小树的深度
解析:一般用决策树进行分类,从根结点开始,对实例的某一特征进行测试,根据测试结果,将实例分配到其子结点。这时,每一个子结点对应着该特征的一个取值。如此递归地对实例进行测试并分类,直至达到叶结点。最后将实例分到叶结点的类中。—— 引自李航 《统计学习方法》
决策树深度越深,在训练集上误差会越小,准确率越高。但是容易造成过拟合,而且增加模型的训练时间。对决策树进行修剪,减小树的深度,能够提高模型的训练速度,有效避免过拟合。
单决策树中,学习率不是一个有效参数。
决策树是单树,随机森林由多个决策树组成。
A. 分类问题
B. 聚类问题
C. 回归问题