![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
[单选题]
题目假设你训练SVM后,得到一个线性决策边界,你认为该模型欠拟合。在下次迭代训练模型时,应该考虑()
A.增加训练数据
B.减少训练数据
C.计算更多变量
D.减少特征
查看答案
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.增加训练数据
B.减少训练数据
C.计算更多变量
D.减少特征
A.增加训练集量
B.减少神经网络隐藏层节点数
C.删除稀疏的特征
D.SVM算法中使用高斯核/RBF核代替线性核
A.经过特征归一化得到的新特征优于旧特征
B.特征归一化无法处理类别变量
C.SVM中使用高斯核函数时,特征归一化总是有用的
A.1
B.100
C.300
D.10000
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.逻辑回归与线性回归一样,解决的是回归问题
B.逻辑回归与线性回归都可以使用梯度下降算法训练模型
C.逻辑回归需要使用激活函数,如Sigmoid函数
D.逻辑回归使用的损失函数和线性回归不一样
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.y=
B.y=
C.y=
D.y=