A、计算量太大
B、验证集和测试集表现很差
C、验证集表现良好,测试集表现很差
D、验证集表现很差,测试集表现很好
答案:C
A、计算量太大
B、验证集和测试集表现很差
C、验证集表现良好,测试集表现很差
D、验证集表现很差,测试集表现很好
答案:C
A. 增加
B. 取反
C. 减小
D. 取整
解析:见算法解析
A. 避免单学习器可能因误选而导致泛化性能不佳
B. 降低陷入局部极小点的风险
C. 假设空间扩大,有可能学得更好的近似
D. 多学习器结合有可能冲突
解析:基础知识
解析:后剪枝决策树通常比预剪枝决策树保留了更多的分支, 一般情形下,后剪枝决策树的欠拟合风险很小,泛化性能往往优于预剪枝决策树,但后剪枝过程是在生成完全决策树之后进行的,并且要白底向上地对树中的所有非叶结点进行逐一考察,因此其训练时间开销比未剪枝决策树和预剪枝决策树都要大得多
A. 每一张图片都是二值图片
B. 每一张图片都是灰度图片
C. 模型一次处理32张图片(batchsize为32)
D. 以上选项均不正确
解析:每一张照片不一定是二值图片,也不一定是三通照片。
A. 增益系数
B. 信息增益
C. 增益率
D. 基尼系数
解析:正确
A. 正确率
B. 精确率
C. 召回率
D. 均方误差
A. 分层聚类
B. K平均值聚类
C. 两步聚类
D. 离散聚类
A. 机器翻译
B. 成像精确制导
C. 自动问答
D. 博弈问题
A. Adam
B. SGD
C. Momentum
D. lr
解析:lr为learningrate缩写,不属于优化器