题目内容
(请给出正确答案)
[单选题]
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(dataaugmentation)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
查看答案
如果结果不匹配,请 联系老师 获取答案
A.145
B.123
C.1345
D.所有项目都有用
A.EM算法是常用的估计参数隐变量的利器
B.EM算法即是期望最大化算法
C.EM算法常被用来学习高斯混合模型的参数
D.EM算法是一种迭代式的方法
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.稀疏性指的是矩阵中有许多列与当前学习任务无关
B.稀疏样本可减少学习任务的计算开销
C.学习任务难度可能有所降低
D.稀疏矩阵没有高效的存储方法
A.除去神经网络中的最后一层,冻结所有层然后重新训练
B.对神经网络中的最后几层进行微调,同时将最后一层(分类层)更改为回归层
C.使用新的数据集重新训练模型
D.所有答案均不对