对于树形结构为什么不需要归一化?

题目

对于树形结构为什么不需要归一化?

相似考题

1.在UNIX系统中,目录结构采用()。A、单级目录结构B、二级目录结构C、单纯树形目录结构D、带链接树形目录结构

2.以下有关特征数据归一化的说法错误的是:( )A.特征数据归一化加速梯度下降优化的速度B.特征数据归一化有可能提高模型的精度C.线性归一化适用于特征数值分化比较大的情况D.概率模型不需要做归一化处理

3.18、集成学习的数据不需要归一化或者标准化。

4.哪些机器学习算法不需要做归一化处理?

参考答案和解析
正确答案：

数值缩放，不影响分裂点位置。因为第一步都是按照特征值进行排序的，排序的顺序不变，那么所属的分支以及分裂点就不会有不同。对于线性模型，比如说LR，我有两个特征，一个是(0,1)的，一个是(0,10000)的，这样运用梯度下降时候，损失等高线是一个椭圆的形状，这样我想迭代到最优点，就需要很多次迭代，但是如果进行了归一化，那么等高线就是圆形的，那么SGD就会往原点迭代，需要的迭代次数较少。

更多“对于树形结构为什么不需要归一化? ”相关问题

  • 第1题：

    4、哪些算法不需要数据归一化？

    A．kNN

    B．k-means

    C．SVM

    D．决策树


    决策树;朴素贝叶斯

  • 第2题：

    【单选题】对于分类的处理采用哪种结构？

    A．网状结构

    B．树形结构


    B

  • 第3题：

    4、阐述归一化的优势，以及标准化相对于归一化的优势


    简便、准确；;进样量的准确性和操作条件的变动对测定结果影响不大；;仅适用于试样中所有组分全出峰的情况

  • 第4题：

    简述波函数为什么要归一化，并写出归一化条件？


    单值

  • 第5题：

    5、5、面积归一化法不需要标准品。


    不要求所有组分在一个分析周期内都能流出色谱柱并产生信号

相关内容