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

答案：登入後查看
統計： 尚無統計資料