哪些模型可以作为随机森林中的基本分类器
A: 决策树
B: SVM
C: Logistic回归器
D: 线性判别分类器
A: 决策树
B: SVM
C: Logistic回归器
D: 线性判别分类器
举一反三
- 有监督学习的分类算法有（ ） A: 线性分类器 B: 决策树 C: K-means D: SVM
- 关于线性分类模型下面说法错误的是() A: 线性分类器的模型结构与线性回归器的模型结构是一样的 B: 使用sigmoid函数激活的线性分类模型又称为logistic回归 C: 可以将sigmoid函数的输出看成是样本为正例的概率 D: logistic线性分类模型的参数常用极大似然估计求解
- 机器学习任务通常包括分类（Classification）和回归（Regression），常用的分类器包括SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xgboost、GBDT、boosting、神经网络NN。常见的降维方法包括TF-IDF、主题模型LDA、主成分分析PCA等等。
- 作为一种分类器，决策树模型的主要优点是：
- SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。