分类器欠拟合时（ ）
举一反三
- 关于欠拟合与过拟合，以下哪种说法是不正确的 A: 欠拟合一般是由于样本集合太大而造成的 B: 欠拟合时，增加模型的复杂度，或者增加输入特征的个数，可有望改善 C: 过拟合时，增加训练集样本个数，可有望改善 D: 过拟合时，减小模型复杂度，可有望改善
- 评估分类算法的要素的是（ ）。 A: 避免欠拟合 B: 避免过拟合 C: 简洁性 D: 准确度
- 在图像分类任务中，训练样本少可能会带来模型欠拟合的问题。
- 训练分类机器学习模型时需要避免过拟合和欠拟合的问题，关于这些问题以下说法错误的是（） A: 复杂的模型时容易发生欠拟合问题 B: 神经网络不会出现过拟合问题 C: 正则化方法可以减少过拟合问题 D: 增加数据量不能减少过拟合问题
- 如果一个模型在测试集上偏差很大，方差很小，则说明该模型（） A: 过拟合 B: 可能过拟合可能欠拟合 C: 刚好拟合 D: 欠拟合