moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 40 題
在機器學習中，哪一種演算法是基於樹狀結構，且適用於分類與預測問題？
- A 支持向量機(Support Vector Machine)
- B 隨機森林(Random Forest)
- C K 均值聚類法(K-Means Clustering)
- D 主成分分析(Principal Component Analysis)
思路引導 VIP
想像你正試圖透過一系列連續的「是非題」來決定一個目標的類別；如果我們將成千上萬套這種像樹枝一樣發散的邏輯判斷路徑結合在一起，利用「群體智慧」來提高預測的穩定性與準確度，這種結構在邏輯上會被稱為什麼？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準辨識出各種機器學習模型的特徵，這顯示你對統計模型與演算法的基礎架構有著相當扎實的理解。
森林與樹的結構特徵
這道題目的核心關鍵在於「樹狀結構」。隨機森林 (Random Forest) 正如其名，是由多棵「決策樹」所組成的集成學習（Ensemble Learning）演算法。它透過隨機採樣樣本與特徵，並集合眾多決策樹的投票結果來進行分類，或透過平均值來進行數值預測，這種結構讓它具備了極佳的準確性與抗過擬合能力。
▼ 還有更多解析內容