![](https://lstatic.shangxueba.com/jiandati/pc/images/pc_jdt_tittleico.png)
特征选择的必要性体现在?()
A.避免维度爆炸问题
B.提升模型泛化能力,避免过拟合
C.简化模型,使之容易被解释
D.减少训练的时间
![](https://lstatic.shangxueba.com/jiandati/pc/images/jdt_q_ckda.png)
![](https://lstatic.shangxueba.com/jiandati/pc/images/jdt_panel_vip.png)
![](https://lstatic.shangxueba.com/jiandati/pc/images/jdt_q_wyda.png)
- · 有4位网友选择 D,占比44.44%
- · 有3位网友选择 A,占比33.33%
- · 有2位网友选择 C,占比22.22%
A.避免维度爆炸问题
B.提升模型泛化能力,避免过拟合
C.简化模型,使之容易被解释
D.减少训练的时间
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
A.一般来说,模型过拟合容易出现高方差,低偏差
B.一般来说,模型过拟合容易出现高偏差,低方差
C.一般来说,模型欠拟合容易出观高方差,低偏差
D.一般来说,模型欠拟合容易出现高偏差,低方差
A.正则化:L1、L2正则化,为拟合增加条件约束
B.丢弃一些不能帮助我们正确预测的特征
C.保留所有的特征,但是减少参数的大小
D.构建更为复杂的模型
A.如果参数较多,则容易导致过拟合。而减少参数有助于避免过拟合
B.参数共享的优势是通过一个任务上学习到的参数可以直接应用到另外一个任务上
C.可以允许一个特征检测器在整个输入图像的不同位置使用,即可以把参数看成是卷积提取特征的方式,该方式与位置无关
D.参数越多,才能避免过拟合,减少参数容易导致过拟合
A.如果参数较多,则容易导致过拟合。而减少参数有助于避免过拟合
B.参数共享的优势是通过一个任务上学习到的参数可以直接应用到另外一个任务上
C.可以允许一个特征检测器在整个输入图像的不同位置使用,即可以把参数看成是卷积提取特征的方式,该方式与位置无关
D.参数越多,才能避免过拟合,减少参数容易导致过拟合
A.L2范数可以防止过拟合,提升模型的泛化能力。但L1正则做不到这一点
B.L2正则化标识各个参数的平方的和的开方值
C.L2正则化有个名称叫“Lassoregularization”
D.L1范数会使权值稀疏
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!