如果结果不匹配，请 
更多“如果假设空间较小，容易发生过拟合（）”相关的问题
第1题
在支持向量机中，参数的选取会影响拟合的结果，如果出现过拟合的现象，则导致该结果的原因有可能是（）。
A.其他参数保持不变，C值过大
B.其他参数保持不变，λ值较少
C.其他参数保持不变，σ较大
D.其他参数保持不变，σ较小
第2题
过拟合是指为了得到一致假设而使假设变得过度严格。避免过拟合是分类器设计中的一个核心任务，可以有效解决过拟合的方法包括()。
A.增加样本数量
B.增加测试集数量
C.训练更多的迭代次数
D.采用正则化方法
第4题
为什么正则化能处理过拟合？（）
A.惩罚了模型的复杂度，避免模型过度学习训练集，提高泛化能力
B.剃刀原理：如果两个理论都能解释一件事情，那么较为简单的理论往往是正确的
C.正则项降低了每一次系数w更新的步伐，使参数更小，模型更简单
D.贝叶斯学派的观点，认为加入了先验分布（11拉普拉斯分布，12高斯分布），减少参数的选择空间
第5题
关于欠拟合（under-fitting），（）是正确的。
A.训练误差较大，测试误差较小
B.训练误差较小，测试误差较大
C.训练误差较大，测试误差较大
D.训练误差较小，测试误差较小
第7题
关于分析学习和归纳学习的比较，说法正确的是（）。
A.归纳学习拟合数据假设，分析学习拟合领域理论的假设
B.归纳学习论证方式为统计推理，分析学习为演绎推理
C.归纳学习不需要隐式的先验知识
D.训练数据不足时归纳学习可能会失败
