多项选择题
为什么GBDT不适合使用高维稀疏特征（）
A.高维稀疏的ID类特征会使树模型的训练变得极为低效
B.容易过拟合
C.高维稀疏的ID类特征会使树模型的训练变得极为高效
D.容易欠拟合
点击查看答案
相关考题
-
多项选择题
GBDT常用损失函数有哪些（）
A.MSE（Mean Square Error）均方误差
B.RMSE（Root Mean Square Error）均方根误差
C.MAE（Mean Absolute Error）平均绝对误差
D.Huber Loss（MAE和MSE结合） -
单项选择题
每个算法都会有缺点，对于集成学习GBDT的缺点是什么（）
A.预测阶段的计算速度快，树与树之间可并行化计算
B.GBDT在高维稀疏的数据集上，表现不如支持向量机或者神经网络
C.在分布稠密的数据集上，泛化能力和表达能力都很好，这使得GBDT在Kaggle的众多竞赛中，经常名列榜首
D.采用决策树作为弱分类器使得GBDT模型具有较好的解释性和鲁棒性，能够自动发现特征间的高阶关系 -
单项选择题
GBDT属于集成学习，因此它拥有哪些优点（）
A.采用决策树作为弱分类器使得GBDT模型具有较好的解释性和鲁棒性，能够自动发现特征间的高阶关系
B.GBDT在高维稀疏的数据集上，表现不如支持向量机或者神经网络
C.GBDT在处理文本分类特征问题上，相对其他模型的优势不如它在处理数值特征时明显
D.训练过程需要串行训练，只能在决策树内部采用一些局部并行的手段提高训练速度
