A.梯度提升決策樹(shù)是一種組合分類器
B.梯度提升決策樹(shù)屬于統(tǒng)計(jì)學(xué)習(xí)中序列向前的加性/相加模型（additive model）
C.梯度提升樹(shù)是通過(guò)序列添加新的決策樹(shù)以擬合已有決策樹(shù)預(yù)測(cè)損失的梯度
D.梯度提升決策和隨機(jī)森林一樣是基于多數(shù)投票的組合分類器
您可能感興趣的試卷
你可能感興趣的試題
A.對(duì)象的中心位置、長(zhǎng)寬等定位參數(shù)通常被設(shè)置為回歸問(wèn)題。
B.對(duì)象的中心點(diǎn)位置回歸時(shí)，通常以選擇的錨框中心點(diǎn)坐標(biāo)為基礎(chǔ)，回歸優(yōu)化的目標(biāo)是使錨框中心點(diǎn)坐標(biāo)偏離對(duì)象真實(shí)中心點(diǎn)位置的量與所預(yù)測(cè)對(duì)象的中心點(diǎn)位置偏離對(duì)象真實(shí)中心點(diǎn)位置的量之間的差異越小越好。
C.對(duì)象定位的目標(biāo)是使預(yù)測(cè)對(duì)象的定位參數(shù)直接和對(duì)象真實(shí)外包絡(luò)矩陣的參數(shù)差異越小越好。
D.對(duì)象檢測(cè)方法的學(xué)習(xí)是包括對(duì)象定位和對(duì)象分類的多任務(wù)學(xué)習(xí)問(wèn)題。
A.增加地物在圖像平面上的紋理或幾何等特征，提升不同類地物的可分性
B.基于光譜特征，通過(guò)增加模型的復(fù)雜程度達(dá)到有效分類的目的
C.擴(kuò)充同分布的訓(xùn)練數(shù)據(jù)規(guī)模
D.通過(guò)正則化簡(jiǎn)化分類邊界
A.模型過(guò)擬合是指把訓(xùn)練樣本本身特點(diǎn)當(dāng)做所有潛在樣本都會(huì)具有的一般性質(zhì)
B.分類器在訓(xùn)練數(shù)據(jù)上錯(cuò)誤率很低，但在測(cè)試數(shù)據(jù)上的錯(cuò)誤率仍然很高，此時(shí)模型很可能處于過(guò)擬合狀態(tài)
C.分類器在測(cè)試數(shù)據(jù)上錯(cuò)誤率很高就是處于過(guò)擬合狀態(tài)
D.欠擬合是指模型在訓(xùn)練樣本的一般性質(zhì)尚未被學(xué)習(xí)器學(xué)好
A.地面控制點(diǎn)
B.像點(diǎn)坐標(biāo)
C.POS數(shù)據(jù)
D.地面檢查點(diǎn)
A.可見(jiàn)光遙感
B.近紅外遙感
C.微波遙感
D.高光譜遙感
最新試題
主要反射藍(lán)綠波段，其它波段吸收率很強(qiáng)的地物為（）
熱紅外像片記錄地物發(fā)射近紅外的強(qiáng)度。
目視解譯是遙感成像的逆過(guò)程。
對(duì)于原始特征空間中線性不可分、但無(wú)重疊的兩類樣本，以下說(shuō)法正確的是（）。
有關(guān)地表土地覆蓋遙感制圖的說(shuō)法正確的有（）。
下面有模型擬合狀態(tài)的說(shuō)法，錯(cuò)誤的是（）。
專題圖中顏色表應(yīng)符合視覺(jué)心理效應(yīng)。
感興趣目標(biāo)及對(duì)象提取可以去除冗余數(shù)據(jù)，提高圖像處理和分析速度，排除其它無(wú)關(guān)數(shù)據(jù)干擾；獲得高分辨率遙感圖像上的目標(biāo)對(duì)象。
為獲取所需的不同信息，完成不同的目的和任務(wù)，遙感技術(shù)可用（）
電磁波譜中，可見(jiàn)光和近紅外波段是地表反射的主要波段，能量高，多數(shù)傳感器使用該區(qū)間。