如果结果不匹配，请 
更多“在神经网络中，以下哪种技术用于解决过拟合？（)”相关的问题
第2题
关于L1正则和L2正则下面的说法正确的是（)
A.L2范数可以防止过拟合，提升模型的泛化能力。但L1正则做不到这一点
B.L2正则化标识各个参数的平方的和的开方值
C.L2正则化有个名称叫“Lassoregularization”
D.L1范数会使权值稀疏
第3题
在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题()
A.增加训练集量
B.减少神经网络隐藏层节点数
C.删除稀疏的特征S
D.SVM算法中使用高斯核/RBF核代替线性核
第4题
在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题？A.增加训练集量B.减少神经
在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题？
点击查看答案
A.增加训练集量
B.减少神经网络隐藏层节点数
C.删除稀疏的特征
D.SVM算法中使用高斯核/RBF核代替线性核
第6题
以下描述错误的是()
A.Dropout能减少网络训练耗时
B.Dropout能解决过拟合问题
C.Dropout能解决欠拟合问题
D.Dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃
第7题
在训练神经网络时，损失函数（loss)在最初的几个epochs时没有下降，可能的原因是？()
A.学习率(learningrate)太低
B.正则参数太高
C.陷入局部最小值
D.以上都有可能
