当模型出现过拟合时，模型对于测试集的表现为？
A: 方差过大
B: 偏差过大
A: 方差过大
B: 偏差过大
举一反三
- 如果一个模型在测试集上偏差很大，方差很小，则说明该模型（） A: 过拟合 B: 可能过拟合可能欠拟合 C: 刚好拟合 D: 欠拟合
- 当模型过拟合时此时可以采取什么_______缓解过拟合 A: 增大学习率 B: 减小学习率 C: 增加数据集 D: 更换激活函数
- 过拟合是指模型在训练样本拟合过度，表现极好,而在验证数据集以及测试数据集中表现不佳。（ ）
- 过拟合是指模型的拟合曲线过于贴近训练数据的特征，但测试集上却较差。( )
- 关于欠拟合与过拟合，以下哪种说法是不正确的 A: 欠拟合一般是由于样本集合太大而造成的 B: 欠拟合时，增加模型的复杂度，或者增加输入特征的个数，可有望改善 C: 过拟合时，增加训练集样本个数，可有望改善 D: 过拟合时，减小模型复杂度，可有望改善