首页 > 职业技能鉴定
题目内容 (请给出正确答案)
[单选题]

在其他条件不变的前提下,以下哪种做法容易引起机器学习中的过拟合问题?()

A.增加训练集量

B.增加神经网络隐藏层节点数

C.增加更多特征

D.在模型中引入正则项

查看答案
答案
收藏
如果结果不匹配,请 联系老师 获取答案
您可能会需要:
您的账号:,可能还需要:
您的账号:
发送账号密码至手机
发送
安装优题宝APP,拍照搜题省时又省心!
更多“在其他条件不变的前提下,以下哪种做法容易引起机器学习中的过拟…”相关的问题
第1题
以下哪项容易导致机器学习中的过拟合问题?()

A.增加训练集量

B.减少神经网络隐藏层节点数

C.删除稀疏的特征

D.SVM算法中使用高斯核/RBF核代替线性核

点击查看答案
第2题
过拟合的解决办法有()。

A.增加训练集的数据量

B.正则化方法

C.增加样本的数量

D.增加训练的次数

点击查看答案
第3题
属于欠拟合的解决办法有()

A.调整模型的容量(capacity)

B.增加训练集的数据量

C.增加训练的次数

D.减少学习率,减少学习的步长,增加学习的精度

点击查看答案
第4题
在机器学习算法中,模型过拟合是指?()

A.模型训练误差很大,在测试集合上误差很小

B.模型训练误差很小,在测试集合上误差较大

C.模型训练误差很小,在测试集合上误差较小

D.模型训练误差很大,在测试集合上误差很大

点击查看答案
第5题
在神经网络中,以下哪种技术用于解决过拟合()

A.Dropout

B.正则化

C.批规范化

D.所有

点击查看答案
第6题
深度学习模型区别于早期的人工神经网络的是()。

A.改变算法

B.增加数据量

C.增加模型训练的层次

D.增加标签量

点击查看答案
第7题
如果您的训练损失函数随着时期的增加而增加,那么以下哪些可能是学习过程中的问题?()

A.正则化过低且模型过度拟合

B.正则化过高,模型不适合

C.步长太大

D.步长太小

点击查看答案
第8题
以下关于人工神经网络(ANN)的描述错误的有()

A.神经网络对训练数据中的噪声非常鲁棒

B.可以处理冗余特征

C.训练ANN是一个很耗时的过程

D.至少含有一个隐藏层的多层神经网络

点击查看答案
第9题
以下选项中,机器学习算法真正用来“学习”的数据是()

A.验证集

B.训练集

C.测试集

D.超参数集

点击查看答案
第10题
卷积神经网络的一个特点是“参数共享”。下面关于“参数共享”的哪种说法是正确的?

A.如果参数较多,则容易导致过拟合。而减少参数有助于避免过拟合

B.参数共享的优势是通过一个任务上学习到的参数可以直接应用到另外一个任务上

C.可以允许一个特征检测器在整个输入图像的不同位置使用,即可以把参数看成是卷积提取特征的方式,该方式与位置无关

D.参数越多,才能避免过拟合,减少参数容易导致过拟合

点击查看答案
退出 登录/注册
发送账号至手机
密码将被重置
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改