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
A: 增益率
B: 信息熵
C: 基尼系数
D: 信息增益
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决策树构造算法的特征选择采用（ ） A: 条件熵 B: 基尼系数 C: 信息增益 D: 信息熵
- 决策树中C4.5算法采用的划分标准是() A: 信息熵 B: 信息增益 C: Gini指数 D: 信息增益比