题目内容

关于梯度下降算法，以下说法正确的是

A. 随机梯度下降算法是每次考虑单个样本进行权重更新
B. Mini-Batch梯度下降算法是批量梯度下降和随机梯度下降的折中
C. 批量梯度下降算法是每次考虑整个训练集进行权重更新
D. 以上都对

查看答案

搜索结果不匹配？点我反馈

更多问题

与传统机器学习方法相比，深度学习的优势在于

A. 深度学习可以自动学习特征
B. 深度学习完全不需要做数据预处理
C. 深度学习完全不提取底层特征，如图像边缘、纹理等
D. 深度学习不需要调参

下列哪一项在神经网络中引入了非线性

A. 随机梯度下降
B. Sigmoid激活函数
C. 增大权重和偏置的初始化值
D. 以上都不对

在其他条件不变的前提下，以下哪些做法容易引起机器学习中的过拟合问题

A. 增加训练集量
B. 减少神经网络隐藏节点数
C. 在损失函数中增加正则项
D. SVM算法中使用高斯核/RBF核代替核性核

关于集成学习，下列说法错误的是

A. 集成学习一定能提升个体学习器的性能
Bagging方法中，个体学习器之间彼此独立
C. Boosting是一种重视错误样本的学习方法
D. Boosting方法中，个体学习器存在强依赖