下述方法中不能有效解决过度拟合问题的方法是____。
A: 增大训练数据量
B: 清洗样本数据
C: 改进训练算法
D: 采用多层感知机
A: 增大训练数据量
B: 清洗样本数据
C: 改进训练算法
D: 采用多层感知机
举一反三
- 以下哪些方法不能用于处理过拟合? A: 对数据进行清洗 B: 增大训练数据的量 C: 利用正则化技术 D: 增加数据属性的复杂度
- 以下哪些方法不能用于处理过拟合？ A: 对数据进行清洗 B: 增大训练数据的量 C: 利用正则化技术 D: 增加数据属性的复杂度
- 训练算法的目的就是要让模型拟合训练数据
- 以下关于感知器算法说法错误的是 A: 即使训练数据集线性可分，感知器算法也不一定收敛 B: 当感知器算法存在多个解时，对于同一个训练集，感知器初始值不同，最后得到的解可能不同 C: 当训练集线性不可分时，袋式算法使感知机也可以收敛到一个相对理想的解 D: 多层感知机是感知机的推广，克服了感知机不能对线性不可分数据识别的弱点
- 如果您的模型在训练数据上表现很好，但在新实例上泛化很差，会发生什么?您如何可能解决这个问题?[br][/br] 选择一个: A: 模型可能会过拟合训练数据，需要使用更复杂的算法。 B: 模型很可能是过拟合训练数据，所以我们应该使用更简单的算法。 C: 模型可能欠拟合训练数据，所以我们应该使用更简单的算法。 D: 模型很可能欠拟合训练数据，所以我们应该使用更复杂的算法。