ID3决策树学习算法是以信息增益为准则来选择划分属性的。（ ）
举一反三
- ID3决策树学习算法以（ ）为准则来选择划分属性。 A: 信息增益 B: 基尼系数 C: 信息熵 D: 增益率
- ID3决策树算法以()为准则来选择划分属性 A: 信息增益 B: 信息熵 C: 基尼系数 D: 信息增益率
- 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
- C4.5决策树学习算法以（ ）为准则划分属性。 A: 增益率 B: 信息熵 C: 基尼系数 D: 信息增益
- 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