Python全系列 教程
3567个小节阅读:5929.7k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
以分类为例,Adaboost算法通过提高前一轮分类器分类错误的样本的权值,而降低那
些被分类正确的样本的权值。
需要注意的是,由于每个子模型要使用全部的数据集进行训练,因此 Adaboost算法中
没有oob数据集,在使用 Adaboost 算法前,需要划分数据集:train_test_split。
1. 关于Adaboost算法,下列说法正确的是:
A Adaboost集成的多个模型是互相独立的
B 在使用 Adaboost 算法前,不需要划分数据集
C Adaboost算法中没有oob数据集
D Adaboost的每个子模型只使用部分数据集进行训练
2. 关于Adaboost的样本权值,下列说法正确的是:
A Adaboost算法会提高前一轮分类器分类错误的样本的权值
B Adaboost算法每一轮的样本权值都不变
C Adaboost算法每一轮的样本权值都在减小
D 以上说法均不正确
1=>C 2=>A