题目内容
(请给出正确答案)
[单选题]
训练分类机器学习模型时需要避免过拟合和欠拟合的问题,关于这些问题以下说法错误的是哪些?
A.复杂的模型时容易发生欠拟合问题
B.神经网络不会出现过拟合问题
C.正则化方法可以减少过拟合问题
D.增加数据量不能减少过拟合问题
答案
复杂的模型时容易发生欠拟合问题;神经网络不会出现过拟合问题;增加数据量不能减少过拟合问题
如搜索结果不匹配,请 联系老师 获取答案
A.复杂的模型时容易发生欠拟合问题
B.神经网络不会出现过拟合问题
C.正则化方法可以减少过拟合问题
D.增加数据量不能减少过拟合问题
第4题
A.欠拟合
B.过拟合
C.损失函数
D.经验风险
第5题
A.欠拟合(under-fitting)
B.过拟合(over-fitting)
C.损失函数(loss function)
D.经验风险(empirical risk)
第9题
A.线性概率模型可能存在被解释变量的估计值不在(0,1)之间的问题。
B.调整的判定系数不能准确度量线性概率模型的拟合优度。
C.Logit模型和Probit模型可采用极大似然法估计。
D.Logit模型和Probit模型不存在遗漏变量的问题。
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!