一个随机森林包含3棵决策树,一次分类结果中其中2棵决策树的结果是A,另一棵决策树的结果是B,则随机森林的最终分类结果是()
A: A
B: B
C: A和B
D: 决策树结果不统一,所以随机森林没有结果
A: A
B: B
C: A和B
D: 决策树结果不统一,所以随机森林没有结果
举一反三
- 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。(）
- 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）。
- 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
- 随机森林是一种（）策略，将各个独立决策树产生预测结果进行合并。
- 决策树法是用树型图的形式进行决策的方法。决策树的构成要素包括（） A: 决策结点 B: 方案枝 C: 状态结点 D: 概率枝 E: 结果点