在机器学习算法中训练模型时，是为了得到_______。
A: 模型参数
B: 预测值
C: 超参数
D: 样本标签
A: 模型参数
B: 预测值
C: 超参数
D: 样本标签
A
举一反三
内容
- 0
____是训练机器学习算法的数据集;____是用来评估经训练后的模型性能的数据集;____是用来微调模型超参数的数据集。
- 1
以下关于模型超参数的特征描述不正确的是（） A: 模型超参数通常根据给定的预测建模问题而调整 B: 模型超参数常应用于估计模型参数的过程中 C: 模型的超参数可以通过数据直接得到，也可以通过人的经验来设定 D: 模型超参数通常可以使用启发式方法来设置 E: 模型超参数通常由实践者直接指定
- 2
机器学习模型在部署前需要经过两个部分的工作（ ）。 A: 模型训练 B: 参数设定 C: 机器调试 D: 模型评估 E: 连接学习
- 3
根据______步骤可完成一轮神经网络的训练。①设置模型参数初始值②将预测值与标签值比较，计算损失③正向计算神经网络的预测值④根据梯度下降法逐层反向更新网络模型参数⑤采用误差反向传播算法计算梯度信息 A: ①②③④⑤ B: ①③②⑤④ C: ①③②④⑤ D: ①②③⑤④
- 4
测试集是训练机器学习算法的数据集训练集是用来评估经训练后的模型性能的数据集验证集是用来微调模型超参数的数据集。