A.规则集的表达能力远不如决策树好
B.基于规则的分类器都对属性空间进行直线划分,并将类指派到每个划分
C.无法被用来产生更易于解释的描述性模型
D.非常适合处理类分布不平衡的数据集
A.无法被用来产生更易于解释的描述性模型
B.规则集的表达能力远不如决策树好
C.基于规则的分类器都对属性空间进行直线划分,并将类指派到每个划分
D.非常适合处理类分布不平衡的数据集
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.KNN算法是操作最为简单的分类算法
B.KNN算法的指导思想是“近朱者赤近墨者黑”
C.KNN算法的可解释性较差,无法给出科学的分类规则。
D.KNN算法的计算量与数据量有关。
A.任务之间的公平性是最重要的调度目标
B.大多数RTOS调度算法都是可抢占式的
C.RTOS调度器都采用了基于时间片轮转的调度算法
D.RTOS调度算法只是一种静态优先级调度算法