题目内容
(请给出正确答案)
[单选题]
在超参数搜索过程中,只照顾一个模型(使用熊猫策略)还是一起训练大量的模型(鱼子酱策略)在很大程度上取决于?()
A.是否使用批量(batch)或小批量优化(mini-batchoptimization)
B.神经网络中局部最小值(鞍点)的存在性
C.拥有多大的计算能力
D.需要调整的超参数的数量
查看答案
如果结果不匹配,请 联系老师 获取答案
A.是否使用批量(batch)或小批量优化(mini-batchoptimization)
B.神经网络中局部最小值(鞍点)的存在性
C.拥有多大的计算能力
D.需要调整的超参数的数量
A.特征X1很可能被排除在模型之外
B.特征X1很可能还包含在模型之中
C.无法确定特征X1是否被舍
D.以上答案都不正确
A.在λ非常小的情况下,偏差低,方差低
B.在λ非常小的情况下,偏差低,方差高
C.在λ非常小的情况下,偏差高,方差低
D.在λ非常小的情况下,偏差低,方差低
A.Dropout背后的思想其实就是把DNN当做一个集成模型来训练,之后取所有值的平均值,而不只是训练单个DNN
B.DNN网络将Dropout率设置为p,也就是说,一个神经元被保留的概率是1-p。当一个神经元被丢弃时,无论输入或者相关的参数是什么,它的输出值就会被设置为0
C.丢弃的神经元在训练阶段,对BP算法的前向和后向阶段都没有贡献。因为这个原因,所以每一次训练,它都像是在训练一个新的网络
D.Dropout方法通常和L2正则化或者其他参数约束技术(比如MaxNorm)一起使用,来防止神经网络的过拟合
A.Var1和Var2是非常相关的
B.因为Va1r和Var2是非常相关的,我们可以去除其中一个
C.Var3和Var1的1.23相关系数是不可能的
A.只能在销售系统生成
B.只能在库存系统生成
C.销售或库存系统都能生成,取决于销售系统和库存系统的参数设置
D.销售系统和库存系统关于销售出库单生成的参数,在一个系统的设置会同时改变另一个系统的设置