决策树中一般采用“信息增益”对属性进行排序，以下关于“信息增益”描述正确的是（ ）。
A: 如果一个属性执行后，使得数据集上的信息增益越大，该属性越优先执行
B: 如果一个属性执行后，使得数据集上的信息增益越小，该属性越优先执行
C: “信息增益”对属性排序的差异不影响决策树的结果
D: 以上都不对
A: 如果一个属性执行后，使得数据集上的信息增益越大，该属性越优先执行
B: 如果一个属性执行后，使得数据集上的信息增益越小，该属性越优先执行
C: “信息增益”对属性排序的差异不影响决策树的结果
D: 以上都不对
举一反三
- ID3算法中,关于使用某个描述属性所能获得的"信息增益”，以下说法正确的是 A: 信息增益=使用该描述属性划分后得到的熵值 B: 信息增益=分类期望-使用该描述属性划分后得到的熵值 C: 信息增益=该描述属性划分后得到的子集数量 D: 信息增益=分类期望-该描述属性划分后得到的子集数量
- 决策树学习算法中，属性a的信息增益越大，则使用该属性进行划分所获得的“纯度提升”越大。（ ）
- 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
- 决策树分裂属性的选择以什么为依据？ A: 信息增益 B: 数据集分裂的个数 C: 目标属性取值的标准差 D: 目标属性的大小