A.XOR问题
B.过拟合问题
C.数据不平衡问题
D.梯度消失问题
第3题
A.数据集合扩充
B.L1和L3正则化
C.提前停止训练
D.使用Dropout方法
第4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8题
A.L2正则化可以做特征选择
B.L1和L2正则化均可做特征选择
C.L1正则化可以做特征选择
D.L1和L2正则化均不可做特征选择
第9题
A.L2范数可以防止过拟合,提升模型的泛化能力。但L1正则做不到这一点
B.L2正则化标识各个参数的平方的和的开方值
C.L2正则化有个名称叫“Lassoregularization”
D.L1范数会使权值稀疏
第10题
A.Dropout
B.分批归一化(BatchNormalization)
C.正则化(regularization)
D.都不可以
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!