机器学习面试题汇总(决策树相关)

机器学习面试题汇总(决策树相关)

决策树面试题

1.简述决策树的原理

2.简述决策树的构建过程

3.信息增益率有什么优缺点？

4.如何对决策树进行剪枝？

5.为什么决策树需要进行剪枝?

6.C4.5对ID3做了哪些改进？

7.C4.5决策树算法如何处理连续数值型属性？

8.C4.5与CART的区别

9.简述一下分类树和回归树

10.CART如何生成回归树？

11.CART树对离散特征取值数目>=3的特征如何处理？

12.决策树对缺失值如何处理？

13.如果决策树属性用完了仍未对决策树完成划分应该怎么办？

14.如何避免决策树的过拟合？

15.决策树需要进行归一化处理吗？

16.常用的决策树一定是二叉树吗？二叉决策树与多分支决策树相比各有什么特点？

17.你认为在一棵决策树构建过程中较为耗时的步骤是什么？

18.你正在一个时间序列数据集上工作，开始用决策树算法，因为你知道它在所有类型数据上的表现都不错。后来，你尝试了时间序列回归模型，并得到了比决策树模型更高的精度。这种情况会发生吗？为什么？ 

19.决策树在选择特征进行分类时一个特征被选择过后，之后还会选择到这个特征吗？

20.和其他模型比，决策树有哪些优点和缺点？

 

---

面试题答案总结请扫描小程序码在面试题相关小程序中查看：

 

---

获取更多校园招聘资讯请关注校园招聘公众号校招辅助(xiaozhaofuzhu):