对于随机森林和GradientBoostingTrees,下面说法正确的是:( )A在随机森林的单个树中,树和树之间是有依赖的,而GradientBoostingTrees中的单个树之间是没有依赖的.B这两个模型都使用随机特征子集,来生成许多单个的树.C我们可以并行地生成GradientBoostingTrees单个树,因为它们之间是没有依赖的,GradientBoostingTrees训练模型的表现总是比随机森林好

第1题：

第2题：

在随机森林里，你生成了几百颗树，然后对这些树的结果进行综合，下面关于随机森林中每颗树的说法正确的是？ 每棵树是通过数据集的子集和特征的子集构建的 每棵树是通过所有的特征构建的 每棵树是通过所有数据的子集构建的 每棵树是通过所有的数据构建的

A．1 和 3

B．1 和 4

C．2 和 3

D．2 和4

第3题：

下述关于随机森林和GBDT算法的说法，正确的有（）。

A．GBDT算法采用了Boosting技术，通过迭代更新样本的权重，串行生成序列的决策树集合

B．随机森林的基学习器采用装袋法，多个基学习器可以并行执行

C．随机森林的准确度一般好于GBDT算法的准确度

D．随机森林和GBDT都是决策树的集成模型

第4题：

下面哪些属于传统的机器学习方法（）

A．逻辑回归

B．支持向量机

C．AdaBoost

D．随机森林

第5题：

下面有关随机森林的说法哪个是错误的？

A．每颗树都是从属性集随机抽取一定数目的属性作为候选的特征。

B．随机森林训练后只需选择性能最好的树最为预测模型。

C．随机森林是一种集成算法，可以使用CART等基学习器提高分类的性能。

D．类似装袋法的样本抽样方法，保证每棵树的学习样本集的多样性。