对于C4.5算法说法不正确的是（）。
A: 可以处理连续型属性
B: 可以处理属性值空缺情况
C: 采用基于信息增益率作为选择分裂属性的度量标准
D: 产生的决策树是二叉树
A: 可以处理连续型属性
B: 可以处理属性值空缺情况
C: 采用基于信息增益率作为选择分裂属性的度量标准
D: 产生的决策树是二叉树
举一反三
- 下列关于C4.5算法的描述不正确的是()。 A: C4.5算法与ID3算法的总体思路是类似的 B: C4.5算法使用信息增益做为选择属性的度量标准 C: C4.5算法使用信息增益率做为选择属性的度量标准 D: 信息增益相同的属性，SplitInformation值越大，信息增益率越小
- 以下关于决策树算法说法错误的是( )。 A: ID3算法选择信息增益最大的特征作为当前决策节点 B: C4.5算法选择信息增益率来选择属性 C: C4.5算法不能用于处理不完整数据 D: CART算法选择基尼系数来选择属性
- 中国大学MOOC: 决策树算法C4.5算法基于（ ）作为属性选择的度量。
- 下面不同决策树算法与分支结点属性选择标准对应关系正确的是() A: ID3决策树--基尼指数; C4.5决策树--信息增益; CART决策树--信息增益率 B: ID3决策树--信息增益率; C4.5决策树--信息增益; CART决策树--基尼指数 C: ID3决策树--信息增益率; C4.5决策树--基尼指数; CART决策树--信息增益 D: ID3决策树--信息增益; C4.5决策树--信息增益率; CART决策树--基尼指数
- 决策树算法ID3基于（ ）作为属性选择的度量。A、信息增益比B、信息增益C、基尼指数D、数据分散度