AIC/BIC共同目标是寻找可以最好解释数据但包含自由参数最少的模型，避免过拟合的问题。

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.减少训练的时间

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.避免维度爆炸问题

通过“数据拟合”操作，可以探明用哪种模型可以最好地模拟数据的真实态势。此种说法：()

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.样本太少会导致过拟合

B.样本太多会导致过拟合

C.模型太复杂会导致过拟合

D.训练集中包含测试集样本，会导致过拟合

A.拟合模型

B.数据样本

C.模型参数

D.样本和模型对应关系