如果结果不匹配，请 
更多“当训练数据较少时更容易发生过拟合（)”相关的问题
第1题
对应GradientBoostingtree算法，以下说法正确的是:（)
A.当增加最小样本分裂个数，我们可以抵制过拟合
B.当增加最小样本分裂个数，会导致过拟合
C.当我们减少训练单个学习器的样本个数，我们可以降低variance
D.当我们减少训练单个学习器的样本个数，我们可以降低bias
第3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4题
下述说法中哪一个是正确的()。
A.供给在短期内比在长期内更富有弹性
B.需求在短期内比在长期内更富有弹性
C.当大量的替代品存在时需求会更富有弹性
D.当同行业中的生产者较少时供给会更富有弹性
第6题
权数对平均数的影响作用表现在()。
A.当标志值较大的组次数较多时，平均数接近于标志值较大的一方
B.当标志值较小的组次数较少时，平均数接近于标志值较大的一方
C.当标志值较大的组次数较少时，平均数接近于标志值较大的一方
D.当标志值较小的组次数较多时，平均数接近于标志值较小的一方
E.当各组次数相同时，对平均数没有作用
第9题
下面哪个/些超参数的增加可能会造成随机森林数据过拟合？A.树的数量B.树的深度C.学习速率
下面哪个/些超参数的增加可能会造成随机森林数据过拟合？
点击查看答案
A.树的数量
B.树的深度
C.学习速率
