×
单选题
9.在集成学习中,主要分为 Bagging 算法和 Boosting 算法。下列选项关于 Bagging和 Boosting 区别的叙述,正确的是( )。(2019 年农业发展银行真题)
A
并行计算:Bagging 各个预测函数必须按顺序迭代生成;Boosting 各个预测函数可以并行生成
B
预测函数:Bagging 所有的预测函数的权重相等;Boosting 中误差越小的预测函数其权重越大
C
样本权重:Bagging 根据错误率调整样本权重,错误率越大的样本权重越大;Boosting 使用的是均匀取样,每个样本权重相等
D
样本选择上:Bagging 每一轮的训练集是不变的,改变的只是每一个样本的权重;Boosting 采用的是 Bootstrap 随机有放回抽样
答案解析
正确答案：B
解析：
解析:Bagging 和 Boosting 的区别：
（1）样本选择上：
Bagging：训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间
是独立的。Boosting：每一轮的训练集不变，只是训练集中每个样例在分类器中的权重
发生变化，而权值是根据上一轮的分类结果进行调整。
（2）样例权重：
Bagging：使用均匀取样，每个样例的权重相等。Boosting：根据错误率不断调整
样例的权值，错误率越大则权重越大。
（3）预测函数：
Bagging：所有预测函数的权重相等。Boosting：每个弱分类器都有相应的权重，
对于分类误差小的分类器会有更大的权重。
（4）并行计算：
Bagging：各个预测函数可以并行生成。Boosting：各个预测函数只能顺序生成，
因为后一个模型参数需要前一轮模型的结果。
故选 B 项。
（1）样本选择上：
Bagging：训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间
是独立的。Boosting：每一轮的训练集不变，只是训练集中每个样例在分类器中的权重
发生变化，而权值是根据上一轮的分类结果进行调整。
（2）样例权重：
Bagging：使用均匀取样，每个样例的权重相等。Boosting：根据错误率不断调整
样例的权值，错误率越大则权重越大。
（3）预测函数：
Bagging：所有预测函数的权重相等。Boosting：每个弱分类器都有相应的权重，
对于分类误差小的分类器会有更大的权重。
（4）并行计算：
Bagging：各个预测函数可以并行生成。Boosting：各个预测函数只能顺序生成，
因为后一个模型参数需要前一轮模型的结果。
故选 B 项。
相关题目
单选题
65.若使用如下的 SQL 语句创建一个 student 表:CREATE TABLE student(NO.CHAR(4)PRIMARY KEY , NAME CHAR(8)NOT NULL,SEX CHAR(2),AGE INT), 可以插入到 student 表中的是( )。(2018 年真题)
单选题
64.只有满足联接条件的记录才包含在查询结果中,这种联接为( )。(2018 年真题)
单选题
63.数据库中概念模型是现实世界的第一层抽象,这一类模型中最著名的是( )。(2018 年真题)
单选题
62.从数据库中删除表的命令是( )。(2018 年真题)
单选题
61.重要数据要及时进行( ),以防出现意外情况导致数据丢失。(2018 年真题)
单选题
60.一个事务执行成功,则全部更新提交;如果一个事务执行失败,则已做过的更52新被恢复原状,这样保持了数据库处于( )状态。(2018 年真题)
单选题
59.学生社团可以接纳多名学生参加,但每个学生只能参加一个社团,从社团到学生之间的联系类型是( )。(2018 年真题)
单选题
58.数据库管理系统的数据操纵语言（DML）所实现的操作一般包括( )。(2016年真题)
单选题
57.在数据库的事务依赖图中,如果两个事务的依赖关系形成一个循环,会出现的情况是( )。(2016 年真题)
单选题
56.数据库保护中,若事务 T 对数据 R 已加 X 锁(排他锁),则其他事务对数据 R( )。(2016 年真题)
