首页 > 职业技能鉴定

题目内容（请给出正确答案）

[多选题]

模型训练中避免过拟合的策略有哪些()。

A.提前停止训练

B.Dropout

C.延迟停止训练

D.L2，L1正则

查看答案

如果结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装优题宝APP，拍照搜题省时又省心！

更多“模型训练中避免过拟合的策略有哪些()。”相关的问题

第1题

特征选择的必要性体现在？（)

A.减少训练的时间

B.提升模型泛化能力,避免过拟合

C.简化模型,使之容易被解释

D.避免维度爆炸问题

点击查看答案

第2题

下面三张图展示了对同一训练样本，使用不同的模型拟合的效果（蓝色曲线)。那么，我们可以得出哪些结论（)

A.第1个模型的训练误差大于第2个、第3个模型

B.最好的模型是第3个，因为它的训练误差最小

C.第2个模型最为“健壮”，因为它对未知样本的拟合效果最好

D.第3个模型发生了过拟合

点击查看答案

第3题

随机森林利用随机的方式将许多决策树组合成一个森林，每个决策树在分类的时候决定测试样本的最终类别。它的优点是（)。

A.级别划分较多的属性不会影响模型效果

B.在某些噪音较大的分类或回归问题上不会过拟合

C.每次学习使用不同训练集，一定程度避免过拟合

D.能够处理高纬度的数据，并且不做特征选择

点击查看答案

第4题

对数据量较少的深度学习，为了避免过拟合，可以对训练数据添加Dropout层。（)

点击查看答案

第5题

欠费风险应对策略有哪些？（)

A.免催免停

B.风险转移

C.风险避免

D.风险缓和

点击查看答案

第6题

机器学习模型经常使用Dense层进行正则化，限制模型中参数，从而减少模型的过拟合的可能。（)

点击查看答案

第7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8题

在模型训练过程中，产生过拟合原因（)①数据有噪声②训练数据不足，有限的训练数据③训练模型过度导致模型非常复杂

A.①②③

B.②③

C.①②

D.①③

点击查看答案

第9题

ReLU激活函数具有计算简单、能减小网络训练难度和缓解过拟合问题的优点。（)

点击查看答案

第10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11题

特征选择的目的：（）。

A.减少特征数量、降维

B.使模型泛化能力更强

C.增强模型拟合能力

D.减少过拟合。

点击查看答案

长沙图香大数据有限公司版权所有 ©2024

湘ICP备20011576号-2 营业执照

违法和不良信息举报电话：400-118-7898

举报/反馈/投诉邮箱：deng＃ujigu.com（请将＃替换成@）