第1题
A.复杂的模型时容易发生欠拟合问题
B.神经网络不会出现过拟合问题
C.正则化方法可以减少过拟合问题
D.增加数据量不能减少过拟合问题
第3题
A、等号右边第一项的目标是使模型能更好地拟合训练数据
B、等号右边第二项是正则化项,目的是控制过拟合现象
C、λ 是正则化参数(regularization parameter),用于控制等号右边两项的平衡
D、过拟合是指学习到的模型在训练集上也许误差较小,但是对于测试集中之前未见样本的预测却未必有效。或者通俗地说,模型过度学习了训练数据。
第6题
A.正则化:L1、L2正则化,为拟合增加条件约束
B.丢弃一些不能帮助我们正确预测的特征
C.保留所有的特征,但是减少参数的大小
D.构建更为复杂的模型
第7题
A.模型应该简单(防止过拟合)
B.在训练时最小化错误率(提高在训练集上的准确率)
C.可以利用已知的数据特性,例如稀疏、低秩等
D.将模型函数正则化
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!