题目内容

你正在训练一个分类逻辑回归模型。以下哪项陈述是正确的?

A. 将正则化引入到模型中,总是能在训练集上获得相同或更好的性能
B. 在模型中添加许多新特性有助于防止训练集过度拟合
C. 将正则化引入到模型中,对于训练集中没有的样本,总是可以获得相同或更好的性能
D. 向模型中添加新特征总是会在训练集上获得相同或更好的性能

查看答案

搜索结果不匹配？点我反馈

更多问题

以下哪组变量之间存在线性回归关系?

A. 学生的性别与他的成绩
B. 儿子的身高与父亲的身高
C. 正方形的边长与面积
D. 正三角形的边长与周长

回归问题和分类问题的区别是?

A. 回归问题有标签,分类问题没有
B. 回归问题输出值是离散的,分类问题输出值是连续的
C. 回归问题输出值是连续的,分类问题输出值是离散的
D. 回归问题与分类问题在输入属性值上要求不同

以下说法错误的是?

A. 残差是预测值与真实值之间的差值
B. 损失函数越小,模型训练得一定越好
C. 正则项的目的是为了避免模型过拟合
D. 最小二乘法不需要选择学习率

哪些算法不需要数据归一化?

A. kNN
B. k-means
C. SVM
D. 决策树