题目内容
（请给出正确答案）
[单选题]
下列关于正则化说法错误的是（）。
A.L1正则化可以用于特征选择
B.L1正则化和L2正则化可以减少过拟合
C.Lp正则化不能减少过拟合
D.L1正则化和L2正则化可以看成是损失函数的惩罚项
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.L1正则化可以用于特征选择
B.L1正则化和L2正则化可以减少过拟合
C.Lp正则化不能减少过拟合
D.L1正则化和L2正则化可以看成是损失函数的惩罚项
如果结果不匹配，请 联系老师 获取答案
更多“下列关于正则化说法错误的是（）。”相关的问题
A.L2正则化能防止过拟合，提升模型的泛化能力，但L1做不到这点
B.L2正则化技术又称为LassoRegularization
C.L1正则化得到的解更加稀疏
D.L2正则化得到的解更加稀疏
A.L1范数正则化有助于降低过拟合风险
B.L2范数正则化有助于降低过拟合风险
C.L1范数正则化比L2范数正则化更有易于获得稀疏解
D.L2范数正则化比L1范数正则化更有易于获得稀疏解
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.若正则化参数λ过大，可能会导致出现欠拟合现象
B.若λ的值太大，则梯度下降可能不收敛
C.取一个合理的λ值，可以更好的应用正则化
D.如果令λ的值很大的话，为了使CostFunction尽可能的小，所有θ的值（不包括θ0）都会在一定程度上减小
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.糖尿病低血糖值≤3.9 mmol/L
B.妊娠糖尿病低血糖值≤3.3 mmol/L
C.非糖尿病低血糖值≤2.8mmol/L
D.非糖尿病低血糖值﹤2.8mmol/L
A.Logistic回归本质上是一种根据样本对权值进行极大似然估计的方法，用先验概率的乘积代替后验概率
B.Logistic回归的输出就是样本属于正类别的几率
C.SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的超平面，属于结构风险最小化
D.SVM可以通过正则化系数控制模型的复杂度，避免过拟合
A.HW在移动客户端接入、应用虚拟化、运维工具等方面又较大优势，注意规避
B.HW只支持应用黑名单，不支持应用白名单
C.在视频体验方面，我司比华为更有优势
