解决过拟合问题的常用方法有（    ）。

• A

  使用丢弃法

• B

  减少模型特征

• C

  使用正则化约束

• D

  增加训练样本数量

本题得分： 0分

正确答案： A,B,C,D (少选不得分)

2.填空题 (2分)

 过拟合是指模型过于复杂，学习能力太强，以至于捕捉到每一个样本数据特征。（填写：欠/过）

本题得分： 2分

正确答案：

• 填空1 : 过

3.填空题 (2分)

模型对于训练集以外样本的预测能力称为模型的 训练能力。（填写：训练/验证/泛化）

本题得分： 0分

正确答案：

• 填空1 : 泛化

4.判断题 (2分)

模型在训练集上的误差很小，而对于测试集的误差大于训练误差，这种现象称为欠拟合。

本题得分： 2分

正确答案： 错误

5.判断题 (2分)

模型在训练集上的误差很大，测试集的误差也大，这种现象称为过拟合。

本题得分： 2分

正确答案： 错误

6.填空题 (2分)

在机器学习中，用来训练模型的数据集称为 训练集。

本题得分： 2分

正确答案：

• 填空1 : 训练集 / 训练数据集

7.单选题 (2分)

下面（    ）表示线性回归模型的L2正则项。

• A

  

• B

  

• C

  

  

• D

  以上答案都不对

本题得分： 2分

正确答案： B

8.单选题 (2分)

下面（    ）说法是正确的。

• A

  模型越复杂，测试误差越低

• B

  模型越复杂，训练误差越低

• C

  模型越简单，测试误差越低

• D

  模型越简单，训练误差越低

本题得分： 2分

正确答案： B

9.单选题 (2分)

当数据集训练样本非常少时，可采用（      ）交叉验证法选择模型。

• A

  简单

• B

  K-折

• C

  留一

• D

  留K

本题得分： 0分

正确答案： C

10.判断题 (2分)

最大-最小归一化方法将样本特征映射到[0,1]区间。

本题得分： 0分