以下文字与答案无关
提示:有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题,这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏,所以恳请 广大网友理解。
1.一个机器学习模型,如果有较高准确率,总是说明这个分类器是好的
2.如果增加模型复杂度,那么模型的测试错误率总是会降低
3.如果增加模型复杂度,那么模型的训练错误率总是会降低
4.我们不可以使用聚类“类别id”作为一个新的特征项,然后再用监督学习分别进行学习
选项: A:1
B:2
C:3
D:1 and 3
1.多个变量其实有相同的用处
2.变量对于模型的解释有多大作用
3.特征携带的信息
4.交叉验证
选项: A:1和4
B:1,2和3
C:1,3和4
D:以上所有
增加训练样本数
B:增加样本的特征数
C:增大正则项系数的值
D:增大模型复杂度,提高在训练集上的效果
模型训练
B:特征选择
C:分析定位任务
D:特征提取
A.训练集
B.测试集
C.已知数据
D.未知数据
选项: A: B: C: D:是的,因为这个模型泛化能力已经很好了,可以应用于任何数据
B:不行,因为还有一些模型不确定的东西,例如噪声
预训练大模型包含后续模型的初始权重
B:预训练大模型可以作为微调模型的基础模型
C:预训练大模型的参数不变
D:预训练大模型使用的预训练数据泛化性较强
高斯混合模型是多个单高斯模型的线性组合
B:高斯混合模型可以使用EM算法学习模型参数
C:高斯混合模型的子模型个数K需要提前给定
D:高斯混合模型理论上可以模拟任何形态的分布
在自动驾驶中,AI需要不断地通过路面信息来调整开车的决策。这种处理模式适合用什么来训练出合理的策略
监督学习
B:强化学习
C:弱化学习
D:非监督学习