深度学习中的正则化有哪些（）
A: L1范数L2范数
B: 数据集增强
C: 集成方法
D: Dropout
A: L1范数L2范数
B: 数据集增强
C: 集成方法
D: Dropout
举一反三
- 以下________不是正则化方法 A: L1范数 B: L2范数 C: Dropout D: 梯度下降法
- 下列关于L1正则化与L2正则化描述正确的是（__）。 A: L1范数正则化有助于降低过拟合风险 B: L2范数正则化有助于降低过拟合风险 C: L1范数正则化比L2范数正则化更有易于获得稀疏解 D: L2范数正则化比L1范数正则化更有易于获得稀疏解
- 关于L1正则和L2正则 下面的说法正确的是（ ） A: L2范数可以防止过拟合，提升模型的泛化能力。但L1正则做不到这一点 B: L2正则化表示各个参数的平方和的开方值 C: L1范数会使权值稀疏 D: L2正则化有个名称叫“Lasso regularization”
- 关于L1正则和L2正则 下面的说法正确的是 A: L2范数可以防止过拟合，提升模型的泛化能力。但L1正则做不到这一点 B: L2正则化标识各个参数的平方的和的开方值。 C: L2正则化有个名称叫“Lasso regularization” D: L1范数会使权值稀疏
- 逻辑回归通常采用哪种正则化方式? A: Elastic Net B: L1正则化 C: L2正则化 D: Dropout正则化