5、在ID3算法中信息增益是指A．信息的溢出程度B．信息的增加效益C．熵增加的程度最大D．熵减少的程度最大

题目

5、在ID3算法中信息增益是指

A．信息的溢出程度

B．信息的增加效益

C．熵增加的程度最大

D．熵减少的程度最大

相似考题

1.下面关于ID3算法中说法错误的是()A.ID3算法要求特征必须离散化B.信息增益可以用熵，而不是GINI系数来计算C.选取信息增益最大的特征，作为树的根节点D.ID3算法是一个二叉树模型

2.下列对决策树ID3算法的描述不正确的选项是?()A.样本集的划分依据测试属性的取值进行B.利用卡方检验来选择对因变量最有影响的自变量C.基于信息熵来选择最佳测试属性D.根据信息论理论，采用划分后样本集的不确定性作为衡量划分好坏的标准，用信息增益值度量不确定性

3.ID3算法的核心是在决策树叶结点上应用信息增益准则选择特征,递归地构建决策树。()此题为判断题(对，错)。

4.下列哪个不属于常用的文本分类的特征选择算法()A.卡方检验值B.互信息C.信息增益D.主成分分析

更多“5、在ID3算法中信息增益是指”相关问题

  • 第1题：

    简述ID3算法的基本思想及其主算法和建树算法的基本步骤。


    正确答案: 首先找出最有判别力的因素，然后把数据分成多个子集，每个子集又选择最有判别力的因素进一步划分，一直进行到所有子集仅包含同一类型的数据为止。最后得到一棵决策树，可以用它来对新的样例进行分类。
    主算法包括如下几步：
    ①从训练集中随机选择一个既含正例又含反例的子集（称为窗口）；
    ②用“建树算法”对当前窗口形成一棵决策树；
    ③对训练集（窗口除外）中例子用所得决策树进行类别判定，找出错判的例子；
    ④若存在错判的例子，把它们插入窗口，重复步骤②，否则结束。
    建树算法的具体步骤如下：
    ①对当前例子集合，计算各特征的互信息；
    ②选择互信息最大的特征Ak；
    ③把在Ak处取值相同的例子归于同一子集，Ak取几个值就得几个子集；
    ④对既含正例又含反例的子集，递归调用建树算法；
    ⑤若子集仅含正例或反例，对应分枝标上P或N，返回调用处。

  • 第2题：

    在电子支付的功能中，是使用（）算法对信息进行加密。

    • A、DES算法
    • B、RC4算法
    • C、HASH算法
    • D、信息摘要算法

    正确答案:A,B,C

  • 第3题：

    ID3算法是一种贪心算法，它以自顶向下递归各个击破方式构造决策树（）


    正确答案:正确

  • 第4题：

    主要的数据挖掘算法有（）。

    • A、分割聚类法
    • B、ID3算法
    • C、Apriori算法
    • D、遗传算法

    正确答案:A,B,C

  • 第5题：

    ID3，C4.5，CART等分类算法均是在（）的基础上改进得到。

    • A、Apriori算法
    • B、SVD算法
    • C、Hunt算法
    • D、EM算法

    正确答案:C

  • 第6题：

    对于BSTXPWR/BSPWR以下说法不正确的是（）

    • A、在爱立信TYPE1算法中屏蔽了L算法，BSTXPWR/BSPWR也就不起作用了
    • B、在爱立信TYPE1算法中，如果使用路径损耗算法，那么将BSTXPWR/BSPWR加大，该小区更易切出去
    • C、在爱立信TYPE1算法中，如果使用路径损耗算法，那么将BSTXPWR/BSPWR加大，该小区不易切出去
    • D、理论上BSTXPWR/BSPWR是BSPWRB/BSPWRT如上到天线的增益

    正确答案:A,B,D

  • 第7题：

    ID3算法以（）作为测试属性的选择标准。

    • A、所划分的类个数
    • B、分类的速度
    • C、信息熵
    • D、信息增益

    正确答案:D

  • 第8题：

    判断题
    ID3算法是一种贪心算法，它以自顶向下递归各个击破方式构造决策树（）
    A

    对

    B

    错


    正确答案： 对
    解析： 暂无解析

  • 第9题：

    单选题
    ID3算法以（）作为测试属性的选择标准。
    A

    所划分的类个数

    B

    分类的速度

    C

    信息熵

    D

    信息增益


    正确答案： D
    解析： 暂无解析

  • 第10题：

    多选题
    在电子支付的功能中，是使用（）算法对信息进行加密。
    A

    DES算法

    B

    RC4算法

    C

    HASH算法

    D

    信息摘要算法


    正确答案： C,A
    解析： 暂无解析

  • 第11题：

    问答题
    信息增益率与信息增益有什么不同？在C4.5中为什么使用信息增益率作为分支标准？

    正确答案： 信息率即互信息，信息增益率是互信息和信息熵的比值。
    C.4.5中为什么使用信息增益率作为分支标准，克服了ID3方法选择属性时偏向选择取值多的属性的不足。
    解析： 暂无解析

  • 第12题：

    单选题
    ID3算法的策略是选择（）的属性作为测试属性。
    A

    信息增益最小

    B

    信息增益最大

    C

    信息增益为0

    D

    信息增益不变


    正确答案： A
    解析： 暂无解析

  • 第13题：

    在ID3算法中信息增益是指（）

    • A、信息的溢出程度
    • B、信息的增加效益
    • C、熵增加的程度最大
    • D、熵减少的程度最大

    正确答案:D

  • 第14题：

    目前在信息系统中使用较多的是DES密码算法，它属于（）类密码算法。

    • A、公开密钥密码算法
    • B、对称密码算法中的分组密码
    • C、对称密码算法中的序列密码
    • D、单向密码

    正确答案:B

  • 第15题：

    ID3算法主要存在的缺点是什么？


    正确答案:（1）ID3算法在选择根结点和各内部结点中的分枝属性时，使用信息增益作为评价标准。信息增益的缺点是倾向于选择取值较多的属性，在有些情况下这类属性可能不会提供太多有价值的信息。
    （2）ID3算法只能对描述属性为离散型属性的数据集构造决策树。

  • 第16题：

    ID3算法的策略是选择（）的属性作为测试属性。

    • A、信息增益最小
    • B、信息增益最大
    • C、信息增益为0
    • D、信息增益不变

    正确答案:B

  • 第17题：

    在工程计算时常采用近似算法，一般输出功率降低一倍，增益降低（），传输距离增加一倍，增益降低（），天线高度增加一倍，增益增加（）.


    正确答案:3DB；6DB；6DB

  • 第18题：

    ID3算法的问题是，测试属性的分支越多，信息增益值（），但输出分支多并不表示该测试属性有更好的预测效果。

    • A、越大
    • B、越小
    • C、保持不变
    • D、时大时小

    正确答案:A

  • 第19题：

    以下算法中（）不是分集信号在合并时采用的算法。

    • A、最佳选择算法
    • B、等增益合并算法
    • C、最大比值合并算法
    • D、步进制算法

    正确答案:D

  • 第20题：

    问答题
    说明ID3方法的建树算法步骤？

    正确答案： （1）对当前例子集合，计算各特征的互信息。
    （2）选择互信息最大的特征Ak，作为树（或子树）的根节点。
    （3）把在Ak处取值相同的例子归于同一子集，该取值作为树的分支。Ak取几个值就得到几个子集，各取指作为树的一个分支。
    （4）对既含正例又含反例的子集，递归调用建树算法。
    （5）若自己仅含正例或反例，对应分支标上P或N，返回调用处。
    解析： 暂无解析

  • 第21题：

    单选题
    ID3算法的问题是，测试属性的分支越多，信息增益值（），但输出分支多并不表示该测试属性有更好的预测效果。
    A

    越大

    B

    越小

    C

    保持不变

    D

    时大时小


    正确答案： A
    解析： 暂无解析

  • 第22题：

    单选题
    在ID3算法中信息增益是指（）
    A

    信息的溢出程度

    B

    信息的增加效益

    C

    熵增加的程度最大

    D

    熵减少的程度最大


    正确答案： A
    解析： 暂无解析

  • 第23题：

    单选题
    以下算法中（）不是分集信号在合并时采用的算法。
    A

    最佳选择算法

    B

    等增益合并算法

    C

    最大比值合并算法

    D

    步进制算法


    正确答案： B
    解析： 暂无解析

  • 第24题：

    问答题
    设计用ID3决策树进行实例判别的判定算法。

    正确答案： 从树的根节点开始，按照样本属性的取值，逐渐沿着决策树向下，直到树的叶节点，该叶节点表示的类别就是新样本的类别。
    解析： 暂无解析

相关内容