問題詳情

31. 在使用 MIT App Inventor 的 Personal Image Classifier 平台收集和標記視訊數據，並訓練模型以提高影像辨識的正確性時，以下哪一個問題是屬於過度擬合(Overfitting)的問題？
(A) 選擇的模型架構不適合問題的特點和複雜度，可能無法獲得良好的辨識結果
(B) 使用的數據集過於小，或者過度依賴特定樣本，模型可能會在訓練數據上表現良好，但對於新的數據無法泛化
(C) 如果數據集中某些類別的樣本數量過少，或者沒有足夠的多樣性，模型可能無法正確辨識這些類別
(D) 忽略數據預處理導致數據質量下降，影響模型的辨識能力

參考答案

答案：B
難度：適中0.455
書單：沒有書單，新增

用户評論

【用戶】不叫賭俠的陳小刀

【年級】高三下

【評論內容】過度擬合（Overfitting）是指模型在訓練過程中過度地擬合訓練數據，導致對於新的數據無法泛化的問題。當數據集過小或者過度依賴特定樣本時，模型可能會記住訓練數據中的細節和噪音，而無法捕捉到普遍的模式和特徵。這導致模型在新的數據上表現不佳，無法泛化到其他類似的數據。

【用戶】不叫賭俠的陳小刀

【年級】高三下

【評論內容】過度擬合（Overfitting）是指模型在訓練過程中過度地擬合訓練數據，導致對於新的數據無法泛化的問題。當數據集過小或者過度依賴特定樣本時，模型可能會記住訓練數據中的細節和噪音，而無法捕捉到普遍的模式和特徵。這導致模型在新的數據上表現不佳，無法泛化到其他類似的數據。