如果一味追求提高对训练数据的预测能力,所选模型的复杂度往往比“真”魔性更高,这种现象称为欠拟合。()此题为判断题(对，错)。

题目
如果一味追求提高对训练数据的预测能力,所选模型的复杂度往往比“真”魔性更高,这种现象称为欠拟合。()

此题为判断题(对，错)。

相似考题

1.在机器学习中，如果数据较少，同时采用的模型较复杂，得到的模型在给定的训练集上误差非常小，接近于0，但是在训练集之外的数据上预测效果很差，这种现象称为（）。A．欠拟合（under-fitting）B．过拟合（over-fitting）C．损失函数（loss function）D．经验风险（empirical risk）

2.下列说法正确的是A．过拟合是由于训练集多，模型过于简单B．过拟合是由于训练集少，模型过于复杂C．欠拟合是由于训练集多，模型过于简单D．欠拟合是由于训练集少，模型过于简单

3.训练算法的目的就是要让模型拟合训练数据

4.在机器学习中，如果数据较少，同时采用的模型较复杂，得到的模型在给定的训练集上误差非常小，接近于0，但是在训练集之外的数据上预测效果很差，这种现象称为（）。A．欠拟合B．过拟合C．损失函数D．经验风险

更多“如果一味追求提高对训练数据的预测能力,所选模型的复杂度往往比“真”魔性更高,这种现象称为欠拟合。() ”相关问题

  • 第1题：

    4、当网络初步训练完成，且在训练集上表现良好，但是在测试集上表现不佳，首先应采取以下哪种措施？

    A．这是高偏差或者欠拟合现象，首先应该增加数据量或者进行数据增广

    B．这是高方差或者过拟合现象，首先应该增加数据量或者进行数据增广

    C．这是高偏差或者欠拟合现象，首先应该更换网络架构

    D．这是高方差或者过拟合现象，首先应该更换网络架构


    错误

  • 第2题：

    7、机器学习中的两个主要挑战为“欠拟合”和“过拟合”。其中“欠拟合”指的是选择的模型包含的参数过多，以至于该模型对于已知数据预测得很好，但是对于未知数据预测的很差，使得训练误差和测试误差之间的差距太大。


    数据的稀疏性;需要获取高数量和高质量的标注数据

  • 第3题：

    69、下列说法正确的是

    A．过拟合是由于训练集多，模型过于简单

    B．过拟合是由于训练集少，模型过于复杂

    C．欠拟合是由于训练集多，模型过于简单

    D．欠拟合是由于训练集少，模型过于简单


    线性拟合问题的数学模型是 y=ax+b;实验数据中不可避免存在误差，所以这些数据点实际上不可能位于一条直线上

  • 第4题：

    20、下列的哪种方法可以用来抑制深度学习模型的过拟合现象？

    A．增加更多的数据

    B．使用数据扩增技术

    C．使用归纳性更好的模型

    D．降低模型的复杂度


    增加更多的数据;使用数据扩增技术;使用归纳性更好的模型;降低模型的复杂度

  • 第5题：

    对原图像进行裁剪，放大，变形，翻转，调整色调等，增加数据量，提高模型的泛化能力，避免欠拟合。


    错误

相关内容