题目内容
（请给出正确答案）
A.发生了过拟合较为严重（overfitting）的情况
B.发生了欠拟合较为严重（underfitting）的情况
C.学习得到了一个非常好的模型，其在测试集上的表现最好
D.R方值越大，则模型性能越好
参考答案
简答题官方参考答案
（由简答题聘请的专业题库老师提供的解答）
网友提供的答案
更多“对某数据集进行高次多项式的回归，逐渐增加多项式的次数，如采用七次多项式回归拟合，曲线经过了所有训练集中的点，但在测试集上的R方值却变得更低了。则以下表述正确的是”相关的问题
def runplt(): plt.figure() plt.title(u'披萨的价格和直径',fontproperties=font_set) plt.xlabel(u'直径（inch）',fontproperties=font_set) plt.ylabel(u'价格（美元）',fontproperties=font_set) plt.axis([0, 25, 0, 25]) return plt
A、plt.grid(False)
B、plt.grid(True)
C、grid(True)
D、grid(False)
A、相对熵又称为KL散度（Kullback–Leibler divergence）
B、相对熵又称为信息散度（information divergence）
C、相对熵又称为信息增益（information gain）
D、相对熵又被称之为KL距离，因此满足对称性
A、热力学中的热熵是表示分子状态混乱程度的物理量。信息熵概念的提出受到了热力学中的热熵的概念的启发
B、信息熵由Shannon提出，信息熵的概念可以用来描述信源的不确定度
C、信息熵是通信领域的概念，和机器学习以及深度学习无关
D、在深度学习中，经常使用交叉熵来表征两个变量概率分布P, Q（假设P表示真实分布, Q为模型预测的分布）的差异性。
则下列说法正确的有
A、等号右边第一项的目标是使模型能更好地拟合训练数据
B、等号右边第二项是正则化项，目的是控制过拟合现象
C、λ 是正则化参数（regularization parameter），用于控制等号右边两项的平衡
D、过拟合是指学习到的模型在训练集上也许误差较小，但是对于测试集中之前未见样本的预测却未必有效。或者通俗地说，模型过度学习了训练数据。
A、sigmoid函数
B、阶跃函数
C、tanh函数
D、relu函数
A、感知机由Rosenblatt于1957年提出，是神经网络的基础
B、感知机是二分类的线性分类模型，属于有监督学习算法
C、感知机是二分类的线性分类模型，属于无监督学习算法
D、感知机的预测是用学习得到的感知机模型对新的实例进行预测的，因此属于判别模型
警告：系统检测到您的账号存在安全风险
为了保护您的账号安全，请在“简答题”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！
