GBDT是一个树形分类器的集合，它用随机的方式建立一个由很多的决策树组成森林，并且每一棵决策树之间是没有关联的。（)

A.GBDT算法比随机森林容易过拟合

B.随机森林是并行计算的,而GBDT不能

C.GBDT算法比随机森林容易欠拟合

D.GBDT与随机森林都是建立在CART树的基础之上的

A.Redis的Set是String类型的无序集合。集合成员是唯一的，这就意味着集合中不能出现重复的数据

B.SCARD key获取集合中的数据集合

C.SMEMBERS key返回集合中的所有成员

D.SPOP key移除并返回集合中的一个随机元素

A.支持向量机

B.线性回归

C.贝叶斯

D.决策树

A.集合

B.线性结构

C.树形结构

D.图形结构

A.Bagging、Boosting、Stacking

B.Bagging、Ababoost、Stacking

C.Bagging、Ababoost、随机森林

D.Ababoost、随机森林、Stacking

A、总体，是根据研究目的确定的同质观察单位某种观察值(变量值)的集合

B、样本，是指从总体中随机抽取的一部分有代表性的观察单位的测量值的集合

C、计量资料，也称为定量资料或数值变量资料，是将观察单位按某种属性进行分组计数的定性观察结果

D、二分类资料，分为两组，各组类别间互不相容。如性别(男性与女性)，药物反应(阴性与阳性)

E、等级资料，等级资料亦称为有序分类变量资料，指将观察单位按某种属性的不同程度或次序分成等级后分组计数的观察结果

A.filter

B.flatten

C.grouby

D.flatmap