产生过拟合的原因可能是样本数据太少或模型复杂度太低、参数太少。
错误
举一反三
内容
- 0
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
- 1
出现过拟合的原因有:(<br/>) A: 样本数据选取不合理 B: 样本噪声干扰大 C: 假设模型不合理,模型参数太多,过于复杂 D: 模型过于简单,参数考虑不全面
- 2
在机器学习中，如果一味的去提高训练数据的预测能力，所选模型的复杂度往往会很高，这种现象称为过拟合。所表现的就是模型训练时候的误差很小，但在测试的时候误差很大，对于产生这种现象以下说法正确的是（ ）。 A: 模型太复杂 B: 模型太简单 C: 样本数量过多 D: 样本数量太少
- 3
【多选题】数据样本太少可能造成 A. 模型准确率提高 B. 模型泛化性能差 C. 模型泛化性能好 D. 模型准确率降低
- 4
通常，在机器学习中造成“过拟合”的主要原因有（ ） A: 所训练的模型过于复杂 B: 所训练的模型过于简单 C: 特征属性太多，但训练样本太少 D: 数据集的规模太大