正则化在深度学习中经常会使用到,我们在深度学习常用正则化方法解决什么问题？（）

A.正则化

B.梯度剪切

C.随机欠采样

D.使用Relu激活函数

A.随机欠采样

B.梯度剪切

C.正则化

D.使用Relu激活函数

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

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

A.Dropout

B.正则化

C.批规范化

D.所有

A.减小模型的复杂度

B.更多的训练数据

C.L2正则化

D.L1正则化

A.随机欠采样

B.批量删除

C.随机过采样

D.合成采样

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

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

A.Dropout

B.分批归一化(BatchNormalization)

C.正则化(regularization)

D.都不可以