学习器在( )上的误差称为“训练误差”或“经验误差”。
A: 训练集
B: 新样本
A: 训练集
B: 新样本
A
举一反三
内容
- 0
下列关于误差的描述中，错误的是______。 A: 误差是指学习器的预测输出和样本的真实标记之间的差异 B: 在训练集上的误差称为训练误差 C: 在测试集上的误差称为泛化误差 D: 泛化误差是无法得到的
- 1
分类器欠拟合时() A: 训练误差较大 B: 泛化误差较大 C: 训练误差大，但泛化误差较小 D: 训练误差小，但泛化误差很大
- 2
以下关于模型有效性的描述中，哪一项是错误的 A: 误差是指学习到的模型在样本上的预测结构与样本的真实结果之间的差 B: 训炼误差指的是在新样本上的误差 C: 机器学习的目标是使学得的模型能够很好的适用于新的样本，而不是仅仅在训炼样本上工<br>作的很好 D: 从模型训练过程的角度，误差可以被分为训练误差以及泛化误差
- 3
关于过拟合,下面哪个说法是正确的:( ) A: 训练误差较大,测试误差较小 B: 训练误差较小,测试误差较大 C: 训练误差较大,测试误差较大 D: 训练误差较小,测试误差较小
- 4
下列哪一种情况被称为过学习现象： A: 在训练集上A优于B，在测试集上A也优于B B: 在训练集上A优于B，在测试集上B优于A C: 相对于分类数据集，决策树过于简单 D: 在训练集上决策树的误差很小