解决过拟合问题的常用方法有（ ）。
-
A 使用丢弃法
-
B 减少模型特征
-
C 使用正则化约束
-
D 增加训练样本数量
本题得分： 0分
正确答案： A,B,C,D (少选不得分)
2.填空题 (2分)
过拟合是指模型过于复杂，学习能力太强，以至于捕捉到每一个样本数据特征。（填写：欠/过）
本题得分： 2分
正确答案：
- 填空1 : 过
3.填空题 (2分)
模型对于训练集以外样本的预测能力称为模型的 训练能力。（填写：训练/验证/泛化）
本题得分： 0分
正确答案：
- 填空1 : 泛化
4.判断题 (2分)
模型在训练集上的误差很小，而对于测试集的误差大于训练误差，这种现象称为欠拟合。
本题得分： 2分
正确答案： 错误
5.判断题 (2分)
模型在训练集上的误差很大，测试集的误差也大，这种现象称为过拟合。
本题得分： 2分
正确答案： 错误
6.填空题 (2分)
在机器学习中，用来训练模型的数据集称为 训练集。
本题得分： 2分
正确答案：
- 填空1 : 训练集 / 训练数据集
7.单选题 (2分)
下面（ ）表示线性回归模型的L2正则项。
-
A
-
B
-
C
-
D 以上答案都不对
本题得分： 2分
正确答案： B
8.单选题 (2分)
下面（ ）说法是正确的。
-
A 模型越复杂，测试误差越低
-
B 模型越复杂，训练误差越低
-
C 模型越简单，测试误差越低
-
D 模型越简单，训练误差越低
本题得分： 2分
正确答案： B
9.单选题 (2分)
当数据集训练样本非常少时，可采用（ ）交叉验证法选择模型。
-
A 简单
-
B K-折
-
C 留一
-
D 留K
本题得分： 0分
正确答案： C
10.判断题 (2分)
最大-最小归一化方法将样本特征映射到[0,1]区间。
本题得分： 0分
