关于监督学习,下列说法不正确的是()
A.训练模型的目标是从所有样本中找到一组平均损失“较大”的权重和偏差。
B.训练模型表示通过有标签样本来学习(确定)所有权重和偏差的理想值。
C.在监督式学习中,机器学习算法通过以下方式构建模型:检查多个样本并尝试找出可最大限度地减少损失的模型,这一过程称为经验风险最小化。
D.损失是对糟糕预测的惩罚:损失是一个数值,表示对于单个样本而言模型预测的准确程度。
A.训练模型的目标是从所有样本中找到一组平均损失“较大”的权重和偏差。
B.训练模型表示通过有标签样本来学习(确定)所有权重和偏差的理想值。
C.在监督式学习中,机器学习算法通过以下方式构建模型:检查多个样本并尝试找出可最大限度地减少损失的模型,这一过程称为经验风险最小化。
D.损失是对糟糕预测的惩罚:损失是一个数值,表示对于单个样本而言模型预测的准确程度。
第1题
A.监督学习有明确的学习目标,而无监督学习没有
B.无监督学习与监督学习相比更加接近人类学习的过程
C.K近邻算法中无需对训练数据进行训练
D.监督学习训练数据的获得,需要专业人士进行标注
第2题
A.权重衰减是在训练过程中逐渐减少学习率
B.权重衰减是一种正则化技术, 通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制
C.权重衰减通过赋予神经元某个权值从而避免梯度消失
D.当数据集中有噪声时,权重衰减可以在训练中逐渐修正神经网络的权重
第3题
A.权重衰减是一种正则化技术,通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制
B.权重衰减在训练的过程中逐渐减少学习率
C.权重衰减通过赋予某个神经元某个权值从而避免梯度消失
D.当数据集有噪声的时候,权重衰减可以在训练时逐渐修正权重
第8题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
第9题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
第10题
A.K近邻算法中K值的选择对分类的结果影响不大
B.模型测试阶段的测试数据集不能与训练数据集有交集
C.决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
D.支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!