题目内容
（请给出正确答案）
[单选题]
关于L1、L2正则化下列说法正确的是（）。
A.L2正则化能防止过拟合，提升模型的泛化能力，但L1做不到这点
B.L2正则化技术又称为LassoRegularization
C.L1正则化得到的解更加稀疏
D.L2正则化得到的解更加稀疏
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.L2正则化能防止过拟合，提升模型的泛化能力，但L1做不到这点
B.L2正则化技术又称为LassoRegularization
C.L1正则化得到的解更加稀疏
D.L2正则化得到的解更加稀疏
如果结果不匹配，请 联系老师 获取答案
更多“关于L1、L2正则化下列说法正确的是（）。”相关的问题
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
A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合
B.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合
C.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量
D.通过增加数据扰动的数据增强减少了神经网络的过拟合
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.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
A.仅拥有同区域的邻居
B.仅知晓本level区域的信息
C.观察L1LSP，寻找最近的L1/L2
D.会安装一条通向最近L1/L2路由器的缺省路径
A.可能拥有其他区域的邻居
B.知晓level-2拓扑的信息
C.骨干L2VPN区域必须是连续的
D.拥有关于什么L1目标可达，以及如何通过L2拓扑达到它的信息
A.L1范数：为x向量各个元素绝对值之和。
B.L2范数：为x向量各个元素平方和的1/2次方，L2范数又称Euclidean范数或Frobenius范数
C.L1范数可以使权值稀疏，方便特征提取
D.L2范数可以防止过拟合，提升模型的泛化能力。
A.Dropout背后的思想其实就是把DNN当做一个集成模型来训练，之后取所有值的平均值，而不只是训练单个DNN
B.DNN网络将Dropout率设置为p，也就是说，一个神经元被保留的概率是1-p。当一个神经元被丢弃时，无论输入或者相关的参数是什么，它的输出值就会被设置为0
C.丢弃的神经元在训练阶段，对BP算法的前向和后向阶段都没有贡献。因为这个原因，所以每一次训练，它都像是在训练一个新的网络
D.Dropout方法通常和L2正则化或者其他参数约束技术（比如MaxNorm）一起使用，来防止神经网络的过拟合
A.CIS-IS有两个级别，区分两个层次
B.L1和L2运行相同的SPF算法
C.骨干区BACkBone是连续的Level2路由器的集合
D.一个路由器不能同时参与L1和L2
A.架空线必须架设在专用电杆或树木上，严禁架设在脚手架及其他设施上
B.电杆埋深宜为杆长的1/10加0.6m。在松软土质处宜加大埋入深度或采用卡盘等加固
C.动力、照明线在同一横担上架设时，导线相序排列是，面向负荷从左侧起依次为L1、N、L2、L3、PE
D.动力、照明线在二层横担上分别架设时，导线相序排列是，上层横担面向负荷从左侧起依次为L1、L2、L3,下层横担面向负荷从左侧起依次为L1(L2、L3)、N、PE
