答案:B
A. 反向传播更新参数
B. 正向传播更新参数
C. 反向传播计算结果
D. 正向传播计算结果
A. exp(yf(x))
B. [1-yf(x)]_+
C. log[1+exp(-yf(x))
D. exp(-yf(x))
解析:A不是损失函数,Csiro逻辑斯蒂损失函数,D是指数损失函数。
A. 增加样本数量
B. 增加特征数量
C. 训练更多的迭代次数
D. 采用正则化方法
A. 一条;接近
B. 两条;接近
C. 一条;远离
D. 两条;原理
解析:见算法解析
解析:在机器学习中,如果一味的去提高训练数据的预测能力,所选模型的复杂度往往会很高,这种现象称为过拟合
A. 对整个数组求和
B. 对每一行求和
C. 对第1列求和
D. 对每一列求和
解析:见算法解析
解析:正确