首页
闂傚倷鑳舵灙婵炲瓨宀稿畷妤€鈽夊顓ф綗濡炪倖甯掔€氼剟鎯屽Δ鍛叆闁绘洖鍊圭€氾拷
濠电姵顔栭崰妤呮晪闂佸鏉垮缂侇喖锕幃娆擃敆閳ь剟顢氶柆宥嗙叆闁绘洖鍊圭€氾拷
闂備浇宕甸崰鎰般€冮崱娆屽亾缁楁稑娲﹂崑澶愭煕閹捐尙鍔嶅┑顖氥偢閺屻劑鎮ら崒娑橆伓
缂傚倸鍊峰鎺楀礋濮椻偓瀹曠懓煤椤忓嫀褔鏌i幘鍐茬槰婵炲吋鐗犻弻銊╂偆閸屾稑顏�
婵犵數鍋為崹鍫曞箰閹间絸鍥敍濮n厾鎳撹灃闁逞屽墴閵堫亝绻濆顒侇棟闂佸憡鎸嗛崨顔锯偓锟�
闂傚倷鑳堕崢褔鎮洪妸鈺佸瀭鐟滅増甯楅崑銈夋煛閸愩劎澧曠紒鐘冲灴閺屾洘寰勯崼婵嗩瀴缂備椒绶¢崰姘跺焵椤掍緡鍟忛柛锝庡灦楠炲繘鏁撻敓锟�
闂傚倷鑳剁划顖滃枈瀹ュ洤鍨濋煫鍥ㄧ⊕閸庡秹鏌i敐鍛拱閻庢碍宀搁弻銊╂偆閸屾稑顏�
婵犵數鍋為崹鍫曞箰閹绢喖纾婚柟鎯у绾惧ジ鏌¢崘锝呬壕闂佽崵鍠嗛崕闈涚暦閾忛€涙勃闁绘劦鍓欓崝鍛存⒑鐠恒劌娅愰柟鍑ゆ嫹
闂傚倷鑳堕幊鎾绘偤閵娾晛绀夋慨妞诲亾妞ゃ垺宀告慨鈧柍銉ョ-缁愮偤鎮峰⿰鍐х€规洩缍侀弫鎾绘晸閿燂拷
闂傚倸鍊风粈渚€骞栭銈囩煋闁哄鍤氬ú顏嶆晣闁逞屽厴閸嬫捇宕掗悙瀛樻闂佽法鍣﹂幏锟�
闂傚倸鍊风粈渚€骞栭锕€绠犳俊顖濆亹绾捐姤鎱ㄥΟ鎸庣【缂佲偓閸岀偞鐓ラ柣鏇炲€圭€氾拷
TAG
闂傚倸鍊烽懗鍫曞箠閹捐瑙﹂悗锝庡墮閸ㄦ繈骞栧ǎ顒€濡肩痪鎯с偢閺屻劑鎮ら崒娑橆伓
决策树学习的搜索策略被设计成贪婪搜索策略,该策略近似于极小化最终树的深度。
精华吧
→
答案
→
知到智慧树
→
未分类
决策树学习的搜索策略被设计成贪婪搜索策略,该策略近似于极小化最终树的深度。
A.正确
B.错误
正确答案:正确
Tag:
策略
深度
决策树
时间:2024-01-14 13:11:39
上一篇:
为了测量假设的精确度,一般给学习系统一个由样例组成的训练集。
下一篇:
神经网络的隐含层越多越好。
相关答案
1.
BP算法的学习效果与哪些因素有关?()
2.
决策树算法若没有剩余属性可以用来进一步划分实例,说明()
3.
以下关于机器学习相关概念中表述正确的为()
4.
人脑中大约有多少个神经元?()
5.
决策树学习算法的结束条件有()
6.
在构建一个决策树模型时,我们对某个属性分割节点,下面四张图中,哪个属性对应的信息增益最大?
7.
哪一个是机器学习中“回归”任务的准确描述?
8.
设某工厂有两个车间生产同型号家用电器,第一车间的次品率为0.15,第二车间的次品率为0.12,两个车间的成品都混合堆放在一个仓库,假设第1,2车间生产的成品比例为2:3,今有一客户从成品仓库中随机提一台产品,该产品合格的概率大于八成。
9.
对于所有随机变量集合,链式法则不一定都能成立的。
10.
变量消元算法中使用的乘法为点积。
热门答案
1.
一个确定性节点的取值能够由其父节点的取值完全确定,没有任何不确定性。
2.
图中weather变量和其他三个变量是独立的。
3.
关于条件独立性:给定父节点,一个节点与()之间不一定是条件独立的。
4.
贝叶斯网络中节点之间的边代表什么?()
5.
同时包含离散随机变量和连续随机变量的网络称为()。
6.
假设一个布尔变量为真的概率为p,那么其为假的概率为()
7.
信念度与真实度不一样,概率为0.8不意味着“80%是真实的”。
8.
先验概率只有在不存在其他任何信息的情况下才能被使用。
9.
不确定性在动态的环境中是可以避免的。
10.
给定下图所示的完全联合分布,计算P(Cavity | toothache ∨catch)