問題詳情

45. In machine learning, when the result of testing error is significantly larger than the training error, it is called
(A) Underfitting
(B) Overfitting
(C) Oversampling
(D) Training bias
(E) None of the above

參考答案

答案：B
難度：計算中-1
書單：沒有書單，新增

用户評論

【用戶】Jane Yen

【年級】大三下

【評論內容】在機器學習中，當測試錯誤結果顯著高於訓練錯誤時，稱為 (A) 擬合不足 (B) 擬合過度 (C) 過採樣 (D) 訓練偏差 (E) 無以上選項答案是 (B) 擬合過度。擬合過度是指模型太適應訓練數據，以至於在測試數據上的表現很差。這通常是因為模型太複雜，過度學習了訓練數據中的噪聲和細節，從而無法對新的數據進行泛化。為了避免擬合過度，可以使用以下方法：簡化模型：減少模型的參數和複雜度。增加數據量：增加訓練數據量可以減少模型對噪聲和細節的過度學習。早期停止：在模型開始過度學習之前停止訓練。正則化：在損失函數中添加正則項，以減少模型的複雜度。

【用戶】Jane Yen

【年級】大三下

【評論內容】在機器學習中，當測試錯誤結果顯著高於訓練錯誤時，稱為 (A) 擬合不足 (B) 擬合過度 (C) 過採樣 (D) 訓練偏差 (E) 無以上選項答案是 (B) 擬合過度。擬合過度是指模型太適應訓練數據，以至於在測試數據上的表現很差。這通常是因為模型太複雜，過度學習了訓練數據中的噪聲和細節，從而無法對新的數據進行泛化。為了避免擬合過度，可以使用以下方法：簡化模型：減少模型的參數和複雜度。增加數據量：增加訓練數據量可以減少模型對噪聲和細節的過度學習。早期停止：在模型開始過度學習之前停止訓練。正則化：在損失函數中添加正則項，以減少模型的複雜度。