题目内容

机器学习中L1正则化和L2正则化的区别是？

A. 使用L1可以得到稀疏的权值，使用L2可以得到平滑的权值
B. 使用L1可以得到平滑的权值，使用L2可以得到平滑的权值
C. 使用L1可以得到平滑的权值，使用L2可以得到稀疏的权值
D. 使用L1可以得到稀疏的权值，使用L2可以得到稀疏的权值

查看答案

搜索结果不匹配？点我反馈

更多问题

A. 我们必须在使用PCA前规范化数据
B. 我们应该选择使得模型有最大variance的主成分
C. 我们应该选择使得模型有最小variance的主成分
D. 我们可以使用PCA在低维度上做数据可视化

A. 增加网络层数，可能会增加测试集分类错误率
B. 增加网络层数，一定会增加训练集分类错误率
C. 减少网络层数，一定会减少训练集分类错误率
D. 以上说法都不对

A. 增大惩罚参数 C 的值
B. 减小惩罚参数 C 的值
C. 减小核系数（gamma参数）
D. 减少训练样本数量

A. 监督学习+强化学习
B. 无监督学习+强化学习
C. 监督学习+迁移学习
D. 无监督学习+迁移学习