在其它条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题？

1553 次浏览
  • A、SVM 算法中使用高斯核 /RBF核代替
  • B、减少神经网络隐藏层节点数
  • C、增加训练集数量
  • D、删除稀疏的特征
小开
答案解析
机器学习中发生过拟合的主要原因有： （1）使用过于复杂的模型； （2）数据噪声较大； （3）训练数据少。 由此对应的降低过拟合的方法有： （1）简化模型假设，或者使用惩罚项限制模型复杂度； （2）进行数据清洗，减少噪声； （3）收集更多训练数据。 本题中，高斯核的使用增加了模型复杂度，容易引起过拟合。选择合适的核函数以及软边缘参数C就是训练SVM的重要因素。一般来讲，核函数越复杂，模型越偏向于过拟合；删除稀疏的特征越大模型越偏向于过拟合，反之则拟合不足。
旺仔小秃头
挑战成功
5个月前
mshare
挑战成功
2年前
8024
挑战成功
2年前
8024
挑战失败
2年前
8024
挑战失败
2年前
18256794994
挑战失败
2年前
18377184433
挑战成功
3年前
milkyi
挑战成功
3年前
milkyi
挑战失败
3年前
chay99
挑战成功
3年前

提交答案
相似测试题
如果线性回归模型中的随机误差...
一个二进制源X发出符号集为{-1...
Fisher 线性判别函数的求解过...
类域界面方程法中，不能求线性...
下列哪个不属于 CRF 模型对于...
Nave Bayes是一种特殊的Bayes...
在HMM中,如果已知观察序列和产...
假定某同学使用Naive Bayesian...
以下哪些方法不可以直接来对文...
已知一组数据的协方差矩阵P,下...
微信公众号
有课学公众号
  • 微信公众号: geekdaxue