题目内容
(请给出正确答案)
[判断题]
在分类的过程中,用训练集训练数据,再用训练集评估模型的性能,得出模型性能很好的结果,则分类模型构建成功。()
查看答案
如果结果不匹配,请 联系老师 获取答案
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
A.C4.5基于信息增益比作为属性选择的度量
B.ID3基于信息增益作为属性选择的度量
C.以上都是
D.CART基于基尼指数作为属性选择的度量
A.数据集合扩充
B.L1和L3正则化
C.提前停止训练
D.使用Dropout方法
A.多层人工神经网络模型可以有很强的特征学习能力。
B.深度学习模型对原始数据有更本质的表达。
C.深度神经网络可以采用逐层训练方法进行优化。
D.训练时可以将上层训练好的结果作为下层训练过程中的初始化参数。
A.定义和选择训练数据的特征
B.定义和选择若干标注训练数据
C.定义和选择do算子操作
D.定义和选择某一特定的分类器
A.19x19x(25x20)
B.19x19x(20x25)
C.19x19x(5x25)
D.19x19x(5x20)
A.网中网(NIN)结构用全连接的多层感知机去代替传统的卷积,提升了模型的计算性能,但计算量显著增加
B.网络层数越多,学习率可设置偏大,否则容易引起梯度消失
C.VGG只要很少的迭代次数就会收敛,这是因为小的过滤尺寸起到了隐式的正则化的作用
D.Bagging中每个训练集互不相关,而Boosting中训练集要在上一轮的结果上进行调整,所以不能并行计算