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.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

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

A.欠拟合

B.过拟合

C.泛化能力差

D.泛化能力强

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

A.BN主要解决深度神经网络各层输入的分布一致，增加训练过程的平衡

B.BN可以减少每个隐层神经元梯度的变化幅度

C.BN起到了减少过拟合的作用

D.BN一般位于隐层神经元的激活函数输出之后

A.模型训练误差很小，在测试集合上误差较小

B.模型训练误差很大，在测试集合上误差很小

C.模型训练误差很大，在测试集合上误差很大

D.模型训练误差很小，在测试集合上误差较大

A.历史数据

B.训练算法

C.神经网络

D.人工程序

A.适当拟合

B.欠拟合

C.过拟合

D.正则化方法