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1题
A.L1,L2正则项不能作用在损失函数之上
B.L2正则化比L1正则化产生更加稀疏的模型
C.加上L2正则项后,无法使用梯度下降算法迭代参数值
D.L1正则项有利于增强模型的泛化能力
第2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5题
A.使用L1可以得到稀疏的权值,使用L2可以得到稀疏的权值
B.使用L1可以得到稀疏的权值,使用L2可以得到平滑的权值
C.使用L1可以得到平滑的权值,使用L2可以得到平滑的权值
D.使用L1可以得到平滑的权值,使用L2可以得到稀疏的权值
第6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7题
A、逻辑回归
B、Lasso回归
C、参数平方和作为模型目标函数的一部分
D、参数绝对值之和作为模型目标函数的一部分
E、岭回归
F、在模型训练时,随机丢弃部分参数以达到正则化效果
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!