集成学习是指为解决(),先训练出一系列个体学习器(或称弱学习器),然后再根据某种规则把这些()整合到一起,得到比单个个体学习器更好的学习效果。
同一问题#个体学习器的学习结果
举一反三
内容
- 0
以下关于集成学习特性说法错误的是( )。 A: 集成学习需要各个弱分类器之间具备一定的差异性 B: 弱分类器的错误率不能高于0.5 C: 集成多个线性分类器也无法解决非线性分类问题 D: 当训练数据集较大时,可分为多个子集,分别进行训练分类器再合成
- 1
以下关于集成学习特性说法错误的是( )。 A: 集成学习需要各个弱分类器之间具备一定的差异性 B: 弱分类器的错误率不能高于0.5 C: 集成多个线性分类器也无法解决非线性分类问题 D: 当训练数据集较大时,可分为多个子集,分别进行训练分类器再合成
- 2
个体学习器之间存在强依赖关系,这种集成称为( )。
- 3
集成学习通过构建并结合多个学习器来完成学习任务,常可获得比单一学习器显著优越的泛化性能。( )
- 4
集合学习的效果一定比单一学习器的效果好。