如果一味追求提高对训练数据的预测能力,所选模型的复杂度往往比“真”魔性更高,这种现象称为欠拟合。() 此题为判断题(对,错)。
如果一味追求提高对训练数据的预测能力,所选模型的复杂度往往比“真”魔性更高,这种现象称为欠拟合。()
此题为判断题(对,错)。
相关考题:
在机器学习中,如果数据较少,同时采用的模型较复杂,得到的模型在给定的训练集上误差非常小,接近于0,但是在训练集之外的数据上预测效果很差,这种现象称为()。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)
在机器学习中,如果数据较少,同时采用的模型较复杂,得到的模型在给定的训练集上误差非常小,接近于0,但是在训练集之外的数据上预测效果很差,这种现象称为()。A.欠拟合B.过拟合C.损失函数D.经验风险
4、当网络初步训练完成,且在训练集上表现良好,但是在测试集上表现不佳,首先应采取以下哪种措施?A.这是高偏差或者欠拟合现象,首先应该增加数据量或者进行数据增广B.这是高方差或者过拟合现象,首先应该增加数据量或者进行数据增广C.这是高偏差或者欠拟合现象,首先应该更换网络架构D.这是高方差或者过拟合现象,首先应该更换网络架构
7、机器学习中的两个主要挑战为“欠拟合”和“过拟合”。其中“欠拟合”指的是选择的模型包含的参数过多,以至于该模型对于已知数据预测得很好,但是对于未知数据预测的很差,使得训练误差和测试误差之间的差距太大。
69、下列说法正确的是A.过拟合是由于训练集多,模型过于简单B.过拟合是由于训练集少,模型过于复杂C.欠拟合是由于训练集多,模型过于简单D.欠拟合是由于训练集少,模型过于简单