以下说法正确的是()
A、增加模型复杂度,模型在测试集上的准确率就能更好
B、L2正则化的解通常是稀疏的,L1正则化可以使得参数趋向于更平滑
C、对于PCA,我们应该选择是的数据具有最小Variance的主成分
D、每次使用K-means算法得到的聚类结果可能会不一样
A、增加模型复杂度,模型在测试集上的准确率就能更好
B、L2正则化的解通常是稀疏的,L1正则化可以使得参数趋向于更平滑
C、对于PCA,我们应该选择是的数据具有最小Variance的主成分
D、每次使用K-means算法得到的聚类结果可能会不一样
A、一个机器学习模型,如果有较高准确率,总是说明这个分类器是好的
B、如果增加模型复杂度,那么模型的测试错误率总是会降低
C、如果增加模型复杂度,那么模型的训练错误率总是会降低
A、将数据分组部署在不同GPU上进行训练能提高深度神经网络的训练速度。
B、TensorFlow使用GPU训练好的模型,在执行推断任务时,也必须在GPU上运行。
C、将模型中的浮点数精度降低,例如使用float16代替float32,可以压缩训练好的模型的大小。
D、GPU所配置的显存的大小,对于在该GPU上训练的深度神经网络的复杂度、训练数据的批次规模等,都是一个无法忽视的影响因素
A、如果增加模型复杂度或核函数的多项式阶数,将会发生什么(A)
B、A导致过拟合
C、B导致欠拟合
D、C无影响,因为模型已达100%准确率
E、D以上均不正确
下列的哪种方法可以用来降低深度学习模型的过拟合问题()?1增加更多的数据;2使用数据扩增技术;3使用归纳性更好的架构;4正规化数据;5降低架构的复杂度
A、145
B、123
C、1345
D、所有项目都有用
A、145
B、123
C、1345
D、所有项目都有用
下列的哪种方法可以用来降低深度学习模型的过拟合问题()。1.增加更多的数据2.使用数据扩增技术(data augmentation)3.使用归纳性更好的架构4.正规化数据5.降低架构的复杂度
A、145
B、123
C、1345
D、所有项目都有用