首页 > 试题广场 >

下列关于决策树的说法正确的是（）

[不定项选择题]

下列关于决策树的说法正确的是（）

ID3决策树是根据信息增益来划分属性

C4.5决策树是根据增益率来划分属性

CART决策树是根据基尼指数来划分属性

基尼指数反映了从样本集D中随机抽取两个样本，其类别标记不一致的概率，因此越小越好

查看正确选项

年轻的华夫饼不讲武德

决策树常用三种指标来确定是否继续划分集合：信息增益、信息增益率，基尼指数。

信息熵：即数据样本的纯度，纯度越高，熵越小。

信息增益：按照某一特征划分数据集后熵的减少量，选择减少量最多的特征进行划分，但是偏好特征取值较多的特征，常见模型ID3。

信息增益率：在信息怎亿的基础上除以一个固有值（intrinsic value，和取值数目有关），会对取值数目较多的特征有更多惩罚，偏好取值数较少的特征，常见模型C4.5

基尼指数：从样本集D中随机抽取两个样本，其类别标记不一致的概率，因此越小越好

发表于 2020-03-05 09:51:40 回复(0)

牛客893561416号

ID3信息增益

C4.5信息增益率

CART基尼指数

发表于 2020-09-07 17:03:13 回复(0)

葑歆

ABCD：可以看我写的文章https://blog.csdn.net/weixin_43584807/article/details/104750959

发表于 2020-06-03 21:15:15 回复(0)

在打卡的山羊很爱刷美剧

D错的难道不是前半句吗?“基尼指数反映了从样本集D中随机抽取两个样本，其类别标记不一致的概率”，按照gini = 1- S(P_c^2)，哪里体现了”标记不一致“，明明是对于某一类标记的概率

编辑于 2024-03-17 10:57:08 回复(0)

fishroll

决策树算法用于分类、回归任务，主要有D3、C4.5、CART树。

ID3算法以信息增益为划分标准，C4.5算法以信息增益比为划分标准，CART树以基尼系数为划分标准。

信息增益表示得知属性的信息后使样本集合不确定性减少的程度，越大越好。

信息增益比是对信息增益的改进，用于解决信息增益偏向于取值较多特征的问题，越大越好。

基尼系数表示模型的不纯度，越小越好。

发表于 2023-02-24 15:51:55 回复(0)

牛客498136873号

这题没人觉得有问题吗？CART不是只能做分类呀只有做分类的时候才用gini，做回归不是用的最小化平方误差吗？？？

发表于 2022-09-17 10:40:57 回复(0)

提交观点

问题信息

算法工程师机器学习 2019 360集团

来自：360公司-2019校...

上传者：小小

难度：

6条回答 626收藏 10350浏览