随机森林算法是以决策树为基分类器，采用各种随机化措施来增强整体泛化能力的一种...

判断题随机森林算法是以决策树为基分类器，采用各种随机化措施来增强整体泛化能力的一种Bagging组合分类器。

1.判断题Adaboost算法的自适应体现在，以每一个基分类器的分类错误率为依据来决定该分类器在整个组合分类器中的权重，分类器错误率越低，基分类器权重越大。

2.判断题Boosting算法是通过不断提升基分类器的性能来得到更好的组合分类结果的方法。

3.判断题随机森林算法是一种典型的Stacking算法。

4.判断题Bagging方法具有可以并行训练的算法，组合算法可减小方差，基分类器算法需选择小偏差算法的特点。

5.判断题根据训练集获取方式和组合算法的不同，组合分类器的主要类型有Bagging，Boosting，Stacking。

6.判断题Adaboost算法不属于Boosting方法中的一种经典算法。

7.判断题组合分类器是将多个弱分类器组合为一个强分类器。

8.判断题使用组合分类器是为了在降低整体分类器训练代价的同时提升分类器的整体性能。

9.判断题三个臭皮匠，能顶一个诸葛亮没有数学依据。

10.判断题如果基分类器的方差较大，但无偏性较好，则应该选择能减小方差的组合方法。