A.可以对不同分类器算法进行集成
B.可以对相同分类器在不同条件下集成
C.集成算法无法在不同条件下进行集成
D.对数据集不同部分分配给不同分类器后集成

A.算法的组合过程能减小偏差
B.基分类器要选择方差小、泛化能力强的弱分类器
C.只能解决二分类问题
D.异常数据（离群点）影响大
E.精度高，参数少，自适应能力强
F.不易实现并行化训练

A.有监督学习方法
B.无监督学习方法
C.速度快，分类决策规则明确
D.需选择分支后两个子节点纯度最高的特征作为一个节点的测试特征
E.未考虑特征间的相关性
F.分类无偏性好，但容易发生过拟合

A.分类器性能提升是匀速的，与是否接近最优结果无关
B.分类器越接近最优解，分类器性能提升越慢
C.分类器错误率高，稍微训练即可大幅提升训练结果
D.其余三种说法都对

A.基分类器的分类正确率大于50%
B.每个基分类器的训练集和训练结果要有差异
C.基分类器的数量越多越好
D.组合分类器需要重点考虑方差和偏差

A.串行训练的算法，基分类器彼此关联
B.串行算法不断增加训练器训练偏差
C.基分类器应该选择偏差较小的算法
D.并行训练的算法，基分类器彼此关联

A.Bagging、Boosting、Stacking
B.Bagging、Ababoost、Stacking
C.Bagging、Ababoost、随机森林
D.Ababoost、随机森林、Stacking