训练算法的目的就是要让模型拟合训练数据
举一反三
- 中国大学MOOC: 训练算法的目的就是要让模型拟合训练数据
- 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。
- 模型对训练数据拟合好,测试数据拟合差的现象,叫做 A: 欠拟合 B: 过拟合 C: 测试拟合 D: 训练拟合
- 训练集是用于模型拟合的数据样本。
- 训练数据选择训练算法最后建立人工神经网络模型。( )