随机森林与SVM集成学习测验

随机森林与SVM集成学习测验

收藏豆荚
剥了 0 次
年级:大学
科目:信息科技
111456
2026-11-18
20 颗豆豆
1. 单选题
30 秒

随机森林属于哪一类集成学习算法

Gradient Boosting

Boosting

Stacking

Bagging

2. 单选题
30 秒

随机森林的两层随机指的是

样本随机 + 特征随机

样本随机 + 超参数随机

特征随机 + 标签随机

样本随机 + 标签随机

3. 单选题
30 秒

随机森林中 OOB 袋外样本,描述错误的是

可以使用 OOB 做模型泛化性能评估

OOB 样本参与对应单棵树的训练过程

大约 36.8% 样本会成为袋外样本

是 Bootstrap 采样没有被抽到的样本

4. 单选题
30 秒

随机森林每一棵基树默认使用什么树模型

ID3 树

CART 分类回归树

决策树桩

C4.5 树

5. 单选题
30 秒

CART 树做分类任务时,节点分裂的衡量指标是

信息增益比

信息熵

信息增益

基尼指数

6. 单选题
30 秒

关于基尼指数 ,说法正确的是

需要做对数运算,计算量大

数值越大代表数据集纯度越高

只能用于回归任务

CART 分类树默认使用该指标

7. 单选题
30 秒

下面关于 Bagging 集成学习说法正确的是

基学习器串行依次训练

通过 Bootstrap 自助采样得到每棵树训练集

各个基学习器拥有不同投票权重

训练过程迭代修改样本权重

8. 单选题
30 秒

随机森林分类任务的预测规则是

选取第一棵树输出作为最终结果

多数投票,少数服从多数

取所有树输出结果的平均值

加权投票,每棵树权重不一样

9. 单选题
30 秒

随机森林回归任务的预测规则是

加权求和输出

所有树预测结果取平均值

多数投票

选取误差最小一棵树输出

10. 单选题
30 秒

随机森林参数 n_estimators 含义正确的是

叶子节点最少样本数

树的最大深度

每次分裂选取特征数量

森林里面决策树的数量

11. 单选题
30 秒

哪个参数是随机森林产生过拟合的主要原因

n_jobs

random_state

max_depth

n_estimators

12. 单选题
30 秒

SVM 硬间隔支持向量机的优化目标是

最大化分类错误样本数量

最小化支持向量的数量

最小化样本到超平面距离之和

最大化两类样本之间间隔 Margin

13. 单选题
30 秒

在 SVM 中,决定最优超平面位置的是

离超平面最远的样本

全部训练样本

间隔边界上的支持向量

随机挑选部分样本

14. 单选题
30 秒

SVM 软间隔引入松弛变量 ,下面说法错误的是

代表样本合规,没有越界

代表样本分类错误

松弛变量只作用于正类样本

15. 单选题
30 秒

下列关于 ID3 决策树,分裂时采用的评价指标是

基尼指数

信息增益

均方误差 MSE

信息增益比

16. 单选题
30 秒

下面哪一项不属于 CART 树特点

强制二叉分裂

允许多分支多叉分裂

分类默认使用基尼指数

既支持分类,也支持回归

17. 单选题
30 秒

模型在训练集上效果很好,在测试集表现很差,属于什么现象

正常拟合

高偏差

欠拟合

过拟合

18. 单选题
30 秒

下列哪种操作不能缓解决策树的过拟合

无限增大树的深度

设置 min_samples_leaf 叶子最小样本数

对决策树进行剪枝操作

设置 max_depth 限制树最大深度

19. 单选题
30 秒

混淆矩阵中,精确率 Precision 描述的是

预测为正的样本里面,真实为正的比例

真实为正的样本里面,被预测正确的比例

全部样本预测正确的占比

负样本识别正确的比例

20. 单选题
30 秒

关于数据集划分,下面说法正确的是

训练集用来训练模型,测试集用来模拟未知新数据评估效果

测试集数据可以参与模型训练

只用训练集就可以评估模型泛化能力

训练集占比越小越好

剥豆豆
金牌
会员
无限剥豆豆游戏,更详尽的游戏报告,更多学员的支持
仅需0.6元/日
你可能喜欢
党史知识竞赛
剥了 2 次
团日活动
剥了 3 次
运算律
剥了 2 次
3.多选
剥了 2 次
2.单选
剥了 2 次