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。（ ）
举一反三
- (2分)在决策树中,信息增益越大,意味着使用属性来进行划分所获得的“纯度提升”越大。( )
- 一般而言,信息增益越大,则意味着使用属性a来进行划分所获得的“纯度提升越大”,因此我们可用信息增益来进行决策树的最优特征选择。()
- ID3决策树学习算法是以信息增益为准则来选择划分属性的。（ ）
- 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
- 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