题目内容（请给出正确答案）

[单选题]

假设您已在数据集上拟合了一个复杂的回归模型。现在，您正在使用Ridge回归，并调整参数λ以减少其复杂性。选择下面的描述，哪个表达了偏差和方差与λ的关系（）。

A.在λ非常小的情况下，偏差低，方差低

B.在λ非常小的情况下，偏差低，方差高

C.在λ非常小的情况下，偏差高，方差低

D.在λ非常小的情况下，偏差低，方差低

查看答案

如果结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装优题宝APP，拍照搜题省时又省心！

更多“假设您已在数据集上拟合了一个复杂的回归模型。现在，您正在使用…”相关的问题

第1题

随机森林利用随机的方式将许多决策树组合成一个森林，每个决策树在分类的时候决定测试样本的最终类别。它的优点是（)。

A.级别划分较多的属性不会影响模型效果

B.在某些噪音较大的分类或回归问题上不会过拟合

C.每次学习使用不同训练集，一定程度避免过拟合

D.能够处理高纬度的数据，并且不做特征选择

点击查看答案

第2题

假如我们使用Lasso回归来拟合数据集，该数据集输入特征有100个（X1，X2，...，X100）。现在，我们把其中一个特征值扩大10倍（例如是特征X1），然后用相同的正则化参数对Lasso回归进行修正。那么，下列说法正确的是（）。

A.特征X1很可能被排除在模型之外

B.特征X1很可能还包含在模型之中

C.无法确定特征X1是否被舍

D.以上答案都不正确

点击查看答案

第3题

假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置（）。

A.除去神经网络中的最后一层，冻结所有层然后重新训练

B.对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层

C.使用新的数据集重新训练模型

D.所有答案均不对

点击查看答案

第4题

如果我使用数据集的全部特征并且能够达到100%的准确率，但在测试集上仅能达到70%左右，这说明：（）。

A.欠拟合

B.模型很棒

C.过拟合

D.以上答案都不正确

点击查看答案

第5题

如果我使用数据集的全部特征并且能够达到100%的准确率，但在测试集上仅能达到70%左右，这说明模型欠拟合。（）

点击查看答案

第6题

利用数据集401KSUBS.RAW。（i)利用OLS估计e401k的一个线性概率模型，解释变量为inc，inc²，age，a

利用数据集401KSUBS.RAW。

(i)利用OLS估计e401k的一个线性概率模型，解释变量为inc，inc²，age，age²和male。求通常的OLS标准误和异方差-稳健的标准误。它们有重要差别吗？

(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。

(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？

点击查看答案

第7题

下列关于误差的说法，正确的是（）。

A.训练样本容量增加，泛化误差也会增加

B.过拟合指数据在训练集上的误差过大

C.过拟合可以通过减少模型参数数量解决

D.交叉验证不重复使用数据

点击查看答案

第8题

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

点击查看答案

第9题

在多元线性回归模型中，假设某个解释变量对其余解释变量的判定系数接近于1，那么说明模型中存在（）。

A.异方差

B.序列相关

C.多重共线性

D.高拟合优度

点击查看答案

第10题

假设我们已经在ImageNet数据集（物体识别）上训练好了一个卷积神经网络。然后给这张卷积神经网络输入一张全白的图片。对于这个输入的输出结果为任何种类的物体的可能性都是一样的，对吗（）。

A.对的

B.不知道

C.看情况

D.不对

点击查看答案

第11题

在多元线性回归模型中，假设某个解释变量对其余解释变量的判定系数接近于1，那么说明模型中存在（）。

A.异方差性

B.序列相关

C.多重共线性

D.高拟合优度

点击查看答案

湘ICP备16018319号-1 湘公安备案43019002000613号营业执照

违法和不良信息举报电话：400-118-7898

举报/反馈/投诉邮箱：deng＃ujigu.com（请将＃替换成@）