What is the feature of SVM? A: Extremely slow, but are highly accurate. B: Much less prone to overfitting than other methods. C: Black box model. D: Provide a compact description of the learned model.

What the feature of SVM? A: Extremely slow, but are highly accurate. B: Much less prone to overfitting than other methods. C: Black box model. D: Provide a compact description of the learned model.

使用批量归一化可以解决以下哪种神经网络的训练？ A: 过拟合Overfitting B: Restrict activations to become too high or low C: 训练过慢 D: B和C都有

在机器学习中,有一种误差()是无法被消除的,这种误差常常由数据噪音和随机性产生,我们在对数据进行建模的时候通常允许这种误差的存在,这种误差叫做() A: 不可避免误差<br/>(Irreducible<br/>Errors) B: 方差(Variance) C: 偏差(Bias) D: 过拟合误差<br/>(Overfitting<br/>Errors)

如果模型在训练集上表现很好,在新的数据上表现很差,发生了什么? A: 模型很可能出现了过拟合(overfitting)。 B: 需要获取更多的训练数据 C: 用一个简单的模型或算法、减少所用的特征或参数、正则化模型 D: 减少训练数据中的噪音。

以下哪个关于术语的描述是正确的 A: 数值计算中,overflow通常是指待存储数据超过指定类型变量能表示的范围的上界 B: 数值计算中,underflow通常是指待存储变量无限接近于0而指定类型变量精度不足 C: 机器学习中,overfitting是因为模型训练数据太少 D: 机器学习中,underfitting往往是因为模型比较弱,使用bagging能有效帮助降低预估偏差

对某数据集进行高次多项式的回归，逐渐增加多项式的次数，如采用七次多项式回归拟合，曲线经过了所有训练集中的点，但在测试集上的R方值却变得更低了。则以下表述正确的是 A: 发生了过拟合较为严重（overfitting）的情况 B: 发生了欠拟合较为严重（underfitting）的情况 C: 学习得到了一个非常好的模型，其在测试集上的表现最好 D: R方值越大，则模型性能越好