随机森林是一种集成学习方法，基本思想是把几棵不同参数的决策树打包到一起，每棵决策树单独进行预测，然后计算所有决策树预测结果的平均值（适用于回归分析）或所有决策树“投票”得到最终结果（适用于分类）。
举一反三
- 随机森林是一种集成学习方法，基本思想是把几棵不同参数的决策树打包到一起，每棵决策树单独进行预测，然后计算所有决策树预测结果的平均值（适用于回归分析）或所有决策树“投票”得到最终结果（适用于分类）。 A: 正确 B: 错误
- 关于决策树，下列说法正确的是（ ） A: 决策树可以用于不确定型决策的制定 B: 决策树是风险型决策的决策方法 C: 使用决策树，必须要知道每种方案发生的确切的结果 D: 决策树是一种非理性决策方法
- 在选择和评价决策方案时，常常使用决策树分析方法，关于这种方法的适用范围，你认为以下哪种提法是正确的? A: 决策树分析主要用于程序化决策 B: 决策树分析普遍适用于确定型，不确定型和风险型决策 C: 决策树分析方法适用于确定型和风险型决策 D: 决策树分析方法仅适用于风险型决策
- 关于决策树的叙述中，错误的是（） A: 决策树就是利用树型模型来描述决策分析问题，并直接在决策树图上进行决策分析的一种方法 B: 在决策树中，节点包括决策节点、状态节点和结果节点 C: 在决策树中，决策准则只能是益损期望值 D: 需要经过多级决策才能完成的决策，可以用多级决策树来表示
- 梯度提升树(Gradient Boosting Decision Tree，GBDT)是一种常拿来与随机森林作比较的算法，该算法也由多个决策树组成，且结果由所有树的结果累加起来得到。与随机森林相似，GBDT既可以做回归树也可以做分类树。(）