APP下载
首页
>
IT互联网
>
计算机知识技术题库
搜索
计算机知识技术题库
题目内容
(
单选题
)
在其他条件不变的前提下,以下做法容易引起机器学习中的“过拟合”问题的是()。

A、增加训练集量

B、减少神经网络隐藏层节点数

C、删除稀疏的特征

D、SVM算法中使用高斯核/RBF核代替线性核

答案:D

解析:在其他条件不变的前提下,以下做法容易引起机器学习中的“过拟合”问题的是SVM算法中使用高斯核/RBF核代替线性核。

计算机知识技术题库
与普通反向传播不同的是,BPTT会在每个时间步长内叠加所有对应权重的梯度
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-edb8-c021-5dd340f22403.html
点击查看题目
训练CNN时,可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-e9d0-c021-5dd340f22426.html
点击查看题目
正则化是传统机器学习中重要且有效的减少泛化误差的技术,以下技术属于正则化技术的是
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-b030-c021-5dd340f2241a.html
点击查看题目
假如我们建立一个60000个特征,1000万数据集的机器学习模型,我们怎么有效的应对这样的大规模数据的训练
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-3b78-c021-5dd340f22415.html
点击查看题目
多引擎翻译系统是指本身由很多不同的原则所驱动的混合翻译。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f970-c021-5dd340f22439.html
点击查看题目
以下关于Python循环结构的描述中,错误的是( )。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-2fc0-c021-5dd340f22410.html
点击查看题目
卷积操作中,卷积核在整张图片上滑动,不同区域共用同样的卷积核参数,与输入图片尺寸有关
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f22419.html
点击查看题目
pandas中head(n)的意思是获取最后的n行数据
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-fa68-c021-5dd340f2240f.html
点击查看题目
网络训练时,常会遇到很多问题,对于梯度消失问题,我们可以通过选择使用以下哪种函数减轻该问题?
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-d308-c021-5dd340f22421.html
点击查看题目
大规模自监督预训练方法目前存在()等局限性。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-db28-c021-5dd340f22420.html
点击查看题目
首页
>
IT互联网
>
计算机知识技术题库
题目内容
(
单选题
)
手机预览
计算机知识技术题库

在其他条件不变的前提下,以下做法容易引起机器学习中的“过拟合”问题的是()。

A、增加训练集量

B、减少神经网络隐藏层节点数

C、删除稀疏的特征

D、SVM算法中使用高斯核/RBF核代替线性核

答案:D

解析:在其他条件不变的前提下,以下做法容易引起机器学习中的“过拟合”问题的是SVM算法中使用高斯核/RBF核代替线性核。

分享
计算机知识技术题库
相关题目
与普通反向传播不同的是,BPTT会在每个时间步长内叠加所有对应权重的梯度
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-edb8-c021-5dd340f22403.html
点击查看答案
训练CNN时,可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-e9d0-c021-5dd340f22426.html
点击查看答案
正则化是传统机器学习中重要且有效的减少泛化误差的技术,以下技术属于正则化技术的是

A. L1 正则化

B. L2 正则化

C. Dropout

D. 动量优化器

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-b030-c021-5dd340f2241a.html
点击查看答案
假如我们建立一个60000个特征,1000万数据集的机器学习模型,我们怎么有效的应对这样的大规模数据的训练

A. 对样本进行抽样,在经过抽样的样本上训练

B. 应用PCA算法降维,减少特征数量

C. 根据重要性对特征进行筛选

D. 以上所有

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-3b78-c021-5dd340f22415.html
点击查看答案
多引擎翻译系统是指本身由很多不同的原则所驱动的混合翻译。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f970-c021-5dd340f22439.html
点击查看答案
以下关于Python循环结构的描述中,错误的是( )。

A. while循环使用关键字continue结束本次循环

B. while循环可以使用保留字break和continue

C. while循环也叫遍历循环,用来遍历序列中的元素,默认提取每个元素并执行一次循环体

D. while循环使用pass语句,则什么事也不做,只是空占位语句

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a626-2fc0-c021-5dd340f22410.html
点击查看答案
卷积操作中,卷积核在整张图片上滑动,不同区域共用同样的卷积核参数,与输入图片尺寸有关

解析:与尺寸无关

https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f22419.html
点击查看答案
pandas中head(n)的意思是获取最后的n行数据

解析:前n行数据

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-fa68-c021-5dd340f2240f.html
点击查看答案
网络训练时,常会遇到很多问题,对于梯度消失问题,我们可以通过选择使用以下哪种函数减轻该问题?

A. Relu 函数

B. Sigmoid 函数

C. tanh 函数

D. Softsign 函数

https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-d308-c021-5dd340f22421.html
点击查看答案
大规模自监督预训练方法目前存在()等局限性。

A. 需要大规模算力和海量数据资源支持

B. 需要研究人员对相关研究领域的数据有深刻理解

C. 大规模预训练模型存在隐私数据的提取问题

D. 大规模预训练语言模型在深层次的语言理解方面存在差距

解析:主要应用

https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-db28-c021-5dd340f22420.html
点击查看答案
试题通小程序
试题通app下载