缩小训练误差与测试误差间的差距会产生过拟合，该如何防止过拟合（）
A: 交叉验证
B: 集成方法
C: 增加正则化
D: 特征工程
A: 交叉验证
B: 集成方法
C: 增加正则化
D: 特征工程
举一反三
- 训练误差会降低模型的准确率，产生欠拟合，此时如何提升模型拟合度（） A: 增加数据量 B: 特征工程 C: 减少正则化参数 D: 增加特征
- 过拟合模型的特点有： A: 训练误差小 B: 训练误差大 C: 泛化误差小 D: 泛化误差大
- 关于过拟合,下面哪个说法是正确的:( ) 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
- 解决过拟合问题的方法有： A: 增大训练集 B: 采用正则化 C: 增加网络参数 D: 减小正则化参数
- 正则化是为了什么？（） A: 防止过拟合 B: 最小化错误率 C: 最大化过拟合 D: 正规化