题目内容 (请给出正确答案)
[单选题]

下列说法关于决策树和支持向量机的说法不正确的是()

A.支持向量机中,一个样本点与分割平面的距离越远,则分类越不明确。

B.ID3 算法由昆兰(Quinlan,1986)提出,并指出可利用“信息增益”来对属性进行排序。

C.决策树中如果一个属性执行后,使得数据集上的信息增益最大(最有序),则该属性应该优先被执行(更接近根节点)。

D.支持向量机使用“平面”来切割空间,实现分类。

答案
支持向量机中,一个样本点与分割平面的距离越远,则分类越不明确。
如搜索结果不匹配,请 联系老师 获取答案
您可能会需要:
您的账号:,可能会需要:
您的账号:
发送账号密码至手机
发送
更多“下列说法关于决策树和支持向量机的说法不正确的是()”相关的问题

第1题

下列关于支持向量机的说法不正确的是()
A.在支持向量机中,如何选择“平面”并不重要。#B.我们使用支持向量机时,如果能找到一个平面,使得在其两侧,两类样本之间的间隔尽可能大,则该平面就是优秀的分割平面。#C.为达到间隔最大的目标,只需要看距离平面最近的几个样本,它们代表着间隔。称为“支持向量”。#D.1967年,俄罗斯数学家Vapnik等人提出最大间隔超平面的思想;1992年,Boser将 核方法应用于最大间隔超平面;1995年,Corinna Cortes和Vapnik提出使用“软间隔”思想;机器学习领域大名鼎鼎,直接导致2000年代统计机器学习的繁荣。
点击查看答案

第2题

86、支持向量机(SVM)方法通过最大化支持向量到分隔超平面的距离来训练分类器。
点击查看答案

第3题

11、支持向量机(SVM)方法通过最大化支持向量到分隔超平面的距离来训练分类器。
点击查看答案

第4题

下列关于有监督学习的说法不正确的是

A.K近邻算法中K值的选择对分类的结果影响不大

B.模型测试阶段的测试数据集不能与训练数据集有交集

C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大

点击查看答案

第5题

下列关于有监督学习的说法不正确的是

A.K近邻算法中K值的选择对分类的结果影响不大

B.模型测试阶段的测试数据集不能与训练数据集有交集

C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大

点击查看答案

第6题

下列关于有监督学习的说法不正确的是

A.K近邻算法中K值的选择对分类的结果影响不大

B.模型测试阶段的测试数据集不能与训练数据集有交集

C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大

点击查看答案

第7题

下列关于有监督学习的说法不正确的是

A.K近邻算法中K值的选择对分类的结果影响不大

B.模型测试阶段的测试数据集不能与训练数据集有交集

C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大

点击查看答案

第8题

2、下列关于有监督学习的说法不正确的是

A.K近邻算法中K值的选择对分类的结果影响不大

B.模型测试阶段的测试数据集不能与训练数据集有交集

C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用

D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大

点击查看答案

第9题

下列关于分类方法的叙述正确的有()。

A.Naïve Bayes(朴素贝叶斯)是一种概率分类器

B.SVM(支持向量机)在向量空间构造超平面,以区分不同类别的样本

C.决策树基于树结构进行决策,从树根到一个叶子的路径对应一个分类规则

D.SVM(支持向量机)和K-NN(K-近邻)都有模型的训练过程(构造分类模型)

点击查看答案
发送账号至手机
密码将被重置
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改
温馨提示
每个试题只能免费做一次,如需多次做题,请购买搜题卡
立即购买
稍后再说
警告:系统检测到您的账号存在安全风险

为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!

微信搜一搜
赏学吧
点击打开微信
警告:系统检测到您的账号存在安全风险
抱歉,您的账号因涉嫌违反赏学吧购买须知被冻结。您可在“赏学吧”微信公众号中的“官网服务”-“账号解封申请”申请解封,或联系客服
微信搜一搜
赏学吧
点击打开微信