决策树学习算法中,预留一部分数据用作“验证集”,进行性能评估,决定是否剪枝。( )
错
举一反三
- 关于决策树的说法中正确的是( ) A: 决策树算法的基础是二叉树,但不是所有的决策树都是二叉树,还有可能是多叉树 B: 常见的决策树剪枝有先剪枝和后剪枝 C: 决策树使用训练数据集进行预测,通过结果比对评估决策树模型 D: 决策树中包含根节点、分裂节点和叶节点
- 关于对决策树进行剪枝的说法中正确的是() A: 先剪枝和后剪枝都可以降低决策树的过拟合风险 B: 后剪枝决策树的训练时间会比先剪枝决策树和未剪枝决策树长很多 C: 先剪枝和后剪枝都是利用验证集精度来判断是否剪枝的 D: 一般来说,后剪枝要比先剪枝的效果好很多
- 下列关于决策树剪枝的论述不正确的是 A: 决策树剪枝主要是防止欠拟合 B: 决策树算法会产生层数太多,节点数过多的树,因此需要对树进行剪枝处理 C: 预剪枝会依据节点的不纯度设置阈值从而决定是否分裂 D: 后剪枝使用自定义的整体损失函数衡量决策树的优劣,对比剪枝前后的决策树决定是否实施剪枝操作
- 测试集是训练机器学习算法的数据集训练集是用来评估经训练后的模型性能的数据集验证集是用来微调模型超参数的数据集。
- 采用悲观剪枝方法对决策树进行剪枝时,要先将数据分为训练集和测试集两部分。<br/>()
内容
- 0
决策树学习算法主要包括①决策树的生成、②决策树的剪枝、③特征选择等3个部分,3个部分顺序正确的是( ) A: ①②③ B: ③①② C: ③②① D: ②①③
- 1
后剪枝是在决策树生长完成之后,对树进行剪枝。
- 2
下列关于决策树的表述中,错误的是 ( ) A: 决策树算法的基础是二叉树,但不是所有的决策树都是二叉树 B: 后剪枝就是决策树建好之后,再对整个树进行剪枝操作 C: 先剪枝就是在构建决策树的过程中进行剪枝 D: 决策树在构建过程中需要对分裂属性进行分裂,但是不需要删除已经选过的分裂属性
- 3
剪枝是决策树学习算法对付“过拟合”的主要手段()
- 4
在决策树学习中将已生成的树进行简化的过程称为剪枝或修剪。 (<br/>)