下列关于决策树算法的论述错误的是: ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。 决策树基本思想是贪心算法，它以自顶（根节点）向下递推生成的方式构造决策树。 条件熵H(Y|X)表示在已知特征X的条件下，类别Y的不确定性的度量 熵可用于描述信息的不确定性或混乱程度，信息的不确定性越大则熵越大，反之越小

关于决策树算法陈述正确的是（） 下列对ID3算法的描述，正确的是（） 下列对ID3算法的描述，正确的是（） 决策树算法是一种（）数据挖掘算法 在ID3算法中信息增益是指（） ID3算法主要存在的缺点是什么？ ID3算法主要存在的缺点是什么 简述ID3算法的基本思想及其主算法和建树算法的基本步骤。 简述ID3算法的基本思想及其主算法和建树算法的基本步骤 决策树反演算法包括()。 使用决策树算法，必须满足以下要求（） 随机森林中需要构造多个决策树，这些决策树在算法决策分类过程中的作用（） 决策树算法对于样本特征的取值要求是（） 剪枝是决策树学习算法对付“过拟合”的主要手段。() 中国大学MOOC: 决策树属于监督学习算法。 决策树法属于（ ） 决策树法属于（）方法 根据图中所示的minimax算法决策树,根结点的估值是()。 决策树分析法属于（） 中国大学MOOC: 决策树属于下面哪一类机器学习算法（ ）？