A.决策树的构建是一种自下向上的归纳过程
B.决策树是一种树形结构,每个节点表示在某个属性上的测试
C.决策树的构建是种自顶向下的递归过程
D.决策树的每个分支表示一个测试输出,叶子节点表示一种类别
A.属性、输出、类别
B.输出、类别、属性
C.属性、类别、输出
D.类别、输出、属性
A.有监督学习方法
B.无监督学习方法
C.速度快,分类决策规则明确
D.需选择分支后两个子节点纯度最高的特征作为一个节点的测试特征
E.未考虑特征间的相关性
F.分类无偏性好,但容易发生过拟合
A.网状结构
B.环形结构
C.总线结构
D.树形结构
A.网形
B.树形
C.环形
D.星形
A.条件熵H(Y|X)表示在已知特征X的条件下,类别Y的不确定性的度量
B.决策树基本思想是贪心算法,它以自顶(根节点)向下递推生成的方式构造决策树
C.熵可用于描述信息的不确定性或混乱程度,信息的不确定性越大则熵越大,反之越小
D.ID3算法的属性选择度量就是使用信息增益,选择最小信息增益的属性作为当前节点的测试属性