题目内容
(请给出正确答案)
[单选题]
关于Boosting说法中不正确的是()。
A.Boosting是一种集成建模方法
B.Boosting既可以用来选择样本,也可以用来选择变量
C.Boosting在迭代中更加关注预测误差小的样本
D.Boosting既可以用于定量,也可以用于定性分析
查看答案
如果结果不匹配,请 联系老师 获取答案
A.Boosting是一种集成建模方法
B.Boosting既可以用来选择样本,也可以用来选择变量
C.Boosting在迭代中更加关注预测误差小的样本
D.Boosting既可以用于定量,也可以用于定性分析
B.提升算法基于概率近似正确(probably approximately correct, PAC)理论,即如果已经发现了“弱学习算法”,可将其提升(boosting)为“强学习算法”
C.提升算法将若干个弱分类器(weak classifiers)组合起来,形成一个强分类器(strong classifier)
D.提升算法在每一轮迭代学习中均会更改每个数据的权重
A.在所构成的强分类器中,每个弱分类器的权重是不一样的
B.在每一次训练弱分类器中,每个样本的权重累加起来等于1
C.在所构成的强分类器中,每个弱分类器的权重累加起来等于1
D.该算法将若干弱分类器线性加权组合起来,形成一个强分类器
A.强可学习和弱可学习是等价的,即如果已经发现了“弱学习算法”,可将其提升(boosting)为“强学习算法”
B.强可学习模型指学习模型仅能完成若干部分样本识别与分类,其精度略高于随机猜测
C.强可学习模型指学习模型能够以较高精度对绝大多数样本完成识别分类任务
D.在概率近似正确背景下,有“强可学习模型”和“弱可学习模型”