首页 > 建设工程
题目内容 (请给出正确答案)
[单选题]

深度学习防止过拟合下列说法正确的是()。

A.BN(批归一化)

B.增强数据集样本数目、做一些数据增强的操作

C.限制模型的学习能力

D.以上都可以

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“深度学习防止过拟合下列说法正确的是()。”相关的问题
第1题
下列的哪种方法可以用来降低深度学习模型的过拟合问题()。

A.增加更多的数据

B.使用数据扩增技术(dataaugmentation)

C.使用归纳性更好的架构

D.正则化数据

点击查看答案
第2题

下列的哪种方法可以用来降低深度学习模型的过拟合问题()?1增加更多的数据;2使用数据扩增技术;3使用归纳性更好的架构;4正规化数据;5降低架构的复杂度

A.145

B.123

C.1345

D.所有项目都有用

点击查看答案
第3题
下列的哪种方法可以用来降低深度学习模型的过拟合问题()。1增加更多的数据2使用数据扩增技术(dataaugmentation)3使用归纳性更好的架构4正规化数据5降低架构的复杂度。

A.145

B.123

C.1345

D.所有项目都有用

点击查看答案
第4题
下面哪个/些超参数的增加可能会造成随机森林数据过拟合()?1树的数量2树的深度3学习速率

A.只有1

B.只有2

C.只有3

D.都正确

点击查看答案
第5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

点击查看答案
第6题
如果深度学习训练过程不收敛,训练集准确率很低,属于下面哪个问题?()

A.欠拟合

B.过拟合

C.泛化能力差

D.泛化能力强

点击查看答案
第7题
深度学习中,以下哪些方法可以降低模型过拟合?()

A.增加更多的样本

B.Dropout

C.增大模型复杂度,提高在训练集上的效果

D.增加参数惩罚

点击查看答案
第8题
关于降维说法正确的是()。

A.PA是根据方差这一属性降维的

B.降维可以防止模型过拟合

C.降维降低了数据集特征的维度

D.降维方法有PLA等

点击查看答案
第9题
以下关于随机森林(Random Forest)的说法正确的是()

A.随机森林由若干决策树构成,决策树之间存在关联性。

B.随机森林学习过程分为选择样本,选择特征,构建决策树、投票四个部分。

C.随机森林算法容易陷入过拟合。

D.随机森林构建决策树时,是无放回的选取训练数据。

点击查看答案
第10题
以下关于集成学习的说法错误的是()。

A.随机森林中的基分类器通常是CART决策树

B.agging方法得到的分类器对于噪声数据和过拟合问题更具健壮性

C.Boosting可将弱学习器提升为强学习器

D.Stacking的结果由最初的学习器决定

点击查看答案
第11题
下列关于误差的说法,正确的是()。

A.训练样本容量增加,泛化误差也会增加

B.过拟合指数据在训练集上的误差过大

C.过拟合可以通过减少模型参数数量解决

D.交叉验证不重复使用数据

点击查看答案
退出 登录/注册
发送账号至手机
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