考虑这种情况：您尝试解决的问题有少量的数据。幸运的是，您有一个之前训练过的针对类似问题的神经网络模型。您将使用以下哪种方法来使用该预先训练的模型？( )
举一反三
- 考虑这种情况：您尝试解决的问题有少量的数据。幸运的是，您有一个之前训练过的针对类似问题的神经网络模型。您将使用以下哪种方法来使用该预先训练的模型？() A: 冻结除最后一层之外的所有层，重新训练最后一层 B: 在每一层评估模型如何执行，只选择其中的一些 C: 对于新的数据集重新训练模型 D: 只微调最后几层
- 如果您的模型在训练数据上表现很好，但在新实例上泛化很差，会发生什么?您如何可能解决这个问题?[br][/br] 选择一个: A: 模型可能会过拟合训练数据，需要使用更复杂的算法。 B: 模型很可能是过拟合训练数据，所以我们应该使用更简单的算法。 C: 模型可能欠拟合训练数据，所以我们应该使用更简单的算法。 D: 模型很可能欠拟合训练数据，所以我们应该使用更复杂的算法。
- 对于深度学习的卷积神经网络模型（CNN）来说，其面临的最大问题是模型训练，即用什么数据、什么方法来训练神经网络。
- 对于某深度学习模型而言，假设解决某个问题能够获得的训练样本比较少，类似问题已经有预训练好的模型，西面哪种方法利用预训练好的模型可能获得较好的效果？ A: 用新样本重新训练整个模型 B: 只训练最后几层神经元 C: 随机选几层进行训练 D: 只训练最后一层，其余层网络参数冻结
- 想要训练一个ML模型，样本数量有100万个，特征维度是5000，面对如此大数据，如何有效地训练模型（ ）？ A: 对训练集随机采样，在随机采样的数据上建立模型 B: 尝试使用在线机器学习算法 C: 使用PCA算法减少特征维度