超星 - 第八章测试完整版 - 查题吧

单选题

【判断题】Boosting,个体学习器存在强依赖关系,逐个生成基学习器,每次调整训练数据的样本分布

A. 对
B. 错

单选题

【判断题】加权平均法的权重,一般是从训练数据中学习而得,规模比较大的集成,要学习的权重比较多,较容易导致欠拟合。

A. 对
B. 错

单选题

【判断题】分歧代表了个体学习器在样本x上的不一致性。

A. 对
B. 错

单选题

【单选题】假设集成通过()结合T个分类器,若有超过半数的基分类器正确则分类就正确。

A. 学习法
B. 简单平均法
C. 加权投票法
D. 简单投票法

单选题

【单选题】Boosting 算法关注降低偏差,可对泛化性能()的学习器,构造出很()的集成。

A. 相对弱,强
B. 相对强,弱
C. 相对强,强
D. 相对弱,弱

单选题

【单选题】Bagging是并行式集成学习的最著名的代表,给定训练数据集,采用( )方法采样数据。

A. 交叉验证法
B. 留出法
C. 自主采样

单选题

【单选题】若同时有多个标记获最高票,则从中随机选取一个,该结合策略是()。

A. 绝对多数投票法
B. 相对多数投票法
C. 加权投票法
D. 简单平均法

单选题

【单选题】对基决策树的每个结点,首先,从该结点的属性集合中,随机选择一个包含k个属性的子集。然后,从这个子集中,选择一个最优属性,用于划分。该方法是()。

A. Boosting方法
B. AdaBoost
C. 传统决策树
D. 随机森林

单选题

【单选题】随机改变一些训练样本的标记;将多分类任务,拆解为一系列二分类任务,来训练基学习器,这属于()。

A. 数据样本扰动
B. 输入属性扰动
C. 输出表示扰动
D. 算法参数扰动

多选题

【多选题】要获得好的集成,个体学习器应满足()。

A. 学习器不需要太好
B. 学习器不能太差
C. 学习器应该相同
D. 学习器应该不同

1