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