21.關於 XGBoost 模型，下列何者不正確？ (A)可用於強化學習 (B)可用於分類問題 (C)可用於迴歸問題 (D)屬決策樹模型家族的一種

31.下列關於集成學習(Ensemble Learning)的敘述，何者錯誤？ (A) Bagging 是透過對訓練資料進行取出放回的隨機抽樣，訓練多個模型後取平均或投票 (B) Ensemble Learning 必定能提升模型的可解釋性 (C) Random Forest 是 Bagging 的一種延伸 (D) Boosting 是依序訓練多個弱學習器，讓新的模型專注修正舊模型的錯誤

21.關於 XGBoost 模型，下列何者不正確？
(A)可用於強化學習
(B)可用於分類問題
(C)可用於迴歸問題
(D)屬決策樹模型家族的一種

相關試題

相關試卷

21.關於 XGBoost 模型，下列何者不正確？(A)可用於強化學習(B)可用於分類問題(C)可用於迴歸問題(D)屬決策樹模型家族的一種

相關試題

相關試卷

21.關於 XGBoost 模型，下列何者不正確？
(A)可用於強化學習
(B)可用於分類問題
(C)可用於迴歸問題
(D)屬決策樹模型家族的一種