A.其他参数保持不变,C值过大
B.其他参数保持不变,λ值较少
C.其他参数保持不变,σ较大
D.其他参数保持不变,σ较小
A.增加样本数量
B.增加测试集数量
C.训练更多的迭代次数
D.采用正则化方法
A.模型训练误差很大,在测试集合上误差很小
B.模型训练误差很小,在测试集合上误差较大
C.模型训练误差很小,在测试集合上误差较小
D.模型训练误差很大,在测试集合上误差很大
A.正则化:L1、L2正则化,为拟合增加条件约束
B.丢弃一些不能帮助我们正确预测的特征
C.保留所有的特征,但是减少参数的大小
D.构建更为复杂的模型
A.惩罚了模型的复杂度,避免模型过度学习训练集,提高泛化能力
B.剃刀原理:如果两个理论都能解释一件事情,那么较为简单的理论往往是正确的
C.正则项降低了每一次系数w更新的步伐,使参数更小,模型更简单
D.贝叶斯学派的观点,认为加入了先验分布(11拉普拉斯分布,12高斯分布),减少参数的选择空间
转动惯量为I、电偶极矩为的空间转子处在均匀电场在中,如果电场较小,用微扰法求转子基态能量的二级修正。
A.训练误差较大,测试误差较小
B.训练误差较小,测试误差较大
C.训练误差较大,测试误差较大
D.训练误差较小,测试误差较小