为什么当两个模型的训练误差相同或接近的时候，通常会选择比较简单的一个（ ）？
A: 复杂模型的测试误差一定较大
B: 简单模型的测试误差一定较小
C: 在相同置信度条件下，复杂模型的测试误差上界较大
D: 只是一种经验，并没有理论依据
A: 复杂模型的测试误差一定较大
B: 简单模型的测试误差一定较小
C: 在相同置信度条件下，复杂模型的测试误差上界较大
D: 只是一种经验，并没有理论依据
举一反三
- 为什么当两个模型的训练误差相同或接近的时候，通常会选择比较简单的一个：</p></p>
- 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
- 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
- 当一个模型的VC维越高，它处理数据时的训练误差和测试误差之间的差距将 A: 越大 B: 越小 C: 没有变化 D: 不能确定
- 除了简单线性回归模型的基本假设条件，多元回归模型还应满足的假设是（） A: 误差项u的数学期望值为0 B: 误差的方差为一常量 C: 各项误差之间不存在相关关系 D: 自变量间不存在相关关系