Trong học máy, điều gì xảy ra khi một mô hình bị overfitting?

Question

Trong học máy, điều gì xảy ra khi một mô hình bị overfitting?

A.

Mô hình phản ứng quá mức với dữ liệu huấn luyện

B.

Mô hình không đủ phức tạp để hiểu dữ liệu

C.

Mô hình không thể học từ dữ liệu

D.

Mô hình không thể tổng quát hóa từ dữ liệu

Xem lời giải

Answer 1

Trả lời:

Giải bởi Vietjack

Chọn đáp án A

Lớp 12

Lớp 11

Lớp 10

Ôn vào 10

Lớp 9

Lớp 8

Lớp 7

Lớp 6

Ôn vào 6

Lớp 5

Lớp 4

Lớp 3

Lớp 2

Lớp 1

Đại học

ĐGNL - ĐGTD

Tốt nghiệp THPT

Ôn vào 10

Ôn vào 6

Toán

Văn

Tiếng Anh

Hóa học

Sinh học

Lịch sử

Địa lý

Giáo dục Kinh tế và Pháp luật

Toán

Toán

Toán

Toán

Văn

Tiếng Anh

Toán

Toán

Toán

Toán

Trong học máy, điều gì xảy ra khi một mô hình bị overfitting?

Khẳng định nào đúng? 1 - Tăng số đặc trưng không làm tăng số mẫu huấn luyện. 2 - Tăng đặc trưng không làm ảnh hưởng tới hiệu năng của hệ thống. 3 - Tăng đặc trưng không luôn luôn tăng độ chính xác của phân lớp.

Kết quả nào đúng cho đoạn code sau? X = numpy.array([[3, 89], [23, 17], [92, 26], [34, 28], [12, 9]]) print(numpy.ptp(X))

Hàm nào thực hiện tính trung vị cho mảng X sau? X = numpy.array([5, np.nan, 7, 9])

Trong Python, thư viện nào sau đây được sử dụng phổ biến nhất cho việc xử lý dữ liệu số và tính toán khoa học?

Cách tạo phương thức tĩnh trong Python?

Trong học máy, khi sử dụng thuật toán K-means Clustering, số lượng cụm cần phải xác định trước hay được xác định dựa trên dữ liệu đầu vào?

Đăng ký

Đăng nhập

Quên mật khẩu

CHỌN BỘ SÁCH BẠN MUỐN XEM

Khẳng định nào đúng?

1 - Tăng số đặc trưng không làm tăng số mẫu huấn luyện.

2 - Tăng đặc trưng không làm ảnh hưởng tới hiệu năng của hệ thống.

3 - Tăng đặc trưng không luôn luôn tăng độ chính xác của phân lớp.

Kết quả nào đúng cho đoạn code sau?

X = numpy.array([[3, 89],

[23, 17],

[92, 26],

[34, 28],

[12, 9]])

print(numpy.ptp(X))

Hàm nào thực hiện tính trung vị cho mảng X sau?

X = numpy.array([5, np.nan, 7, 9])