因为样本数量太少得不到理想的数学模型，这会造成（）现象。
A: 无法建模
B: 过拟合
C: 模型出错
D: 欠拟合
A: 无法建模
B: 过拟合
C: 模型出错
D: 欠拟合
D
举一反三
- 因为样本数量太少得不到理想的数学模型，这会造成____现象。
- 关于过拟合和欠拟合的说法，错误的是() A: 过拟合是指模型可以很好的拟合训练样本,但是对训练样本的预测能力差。 B: 欠拟合是指模型不能很好的拟合训练样本,且对新数据的预测准确性也不好。 C: 可以用Precision、Recall、F1 、判断模型过/欠拟合。 D: 模型的过拟合和欠拟合是无法通过调整参数来改变的。
- 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
- 产生的原因过拟合原因（ ） A: 模型复杂度高 B: 样本数量太少 C: 决策树模型没有剪枝 D: 编程语言选择错误
- 下面关于过拟合的原因中，错误的是哪个？ A: 样本太少会导致过拟合 B: 样本太多会导致过拟合 C: 模型太复杂会导致过拟合 D: 训练集中包含测试集样本，会导致过拟合
内容
- 0
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
- 1
模型欠拟合和过拟合问题都是可以解决的
- 2
如果模型学习的特征很少，容易造成训练误差很大，这种现象称为______。 A: 泛化 B: 鲁棒性 C: 欠拟合 D: 过拟合
- 3
建立回归模型的过程中出现的拟合不佳的情况主要有。 A: 欠拟合 B: 过拟合 C: 强拟合 D: 弱拟合
- 4
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