题目内容
(请给出正确答案)
[单选题]
下列哪项关于模型能力(modelcapacity)的描述是正确的?()(指神经网络模型能拟合复杂函数的能力)
A.隐藏层层数增加,模型能力增加
B.学习率增加,模型能力增加
C.都不正确
D.Dropout的比例增加,模型能力增加
查看答案
如果结果不匹配,请 联系老师 获取答案
A.隐藏层层数增加,模型能力增加
B.学习率增加,模型能力增加
C.都不正确
D.Dropout的比例增加,模型能力增加
A.Logistic回归可用于预测事件发生概率的大小
B.Logistic回归的目标函数是最小化后验概率
C.SVM的目标的结构风险最小化
D.SVM可以有效避免模型过拟合
A.A.AIC值越大模型越好
B.B.SBC值越大模型越好
C.C.AIC准则是对SBC准则的修正表达
D.D.AIC准则是拟合精度和参数个数的加权函数
E.E.在所有通过检验的模型中使得AIC或SBC函数达到最小的模型为绝对最优模型
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
A.分类器的构造方法有统计方法、机器学习方法、神经网络方法等
B.有三种分类器评价或比较尺度:预测准确度、计算复杂度、模型描述的简洁度
C.统计方法包括决策树法和规则归纳法
D.神经网络方法主要是BP算法
A.原型分析法强调用户的参与,特别是对模型的描述和系统需求的检验
B.原型分析法不适合大型的复杂的系统
C.原型分析法为了实现快速分析,只能选取核心需求来进行描述,要放弃一些次要的功能和性能
D.原型分析法是将系统调查、系统分析、系统设计合而为一了