题目内容

机器学习中L1正则化和L2正则化的区别是?

A. 使用L1可以得到稀疏的权值
B. 使用L1可以得到平滑的权值
C. 使用L2可以得到稀疏的权值

查看答案
更多问题

以下几种模型方法属于判别式模型(Discriminative Model)的有()1.混合高斯模型2.条件随机场模型3.区分度训练4.隐马尔科夫模型

A. 2,3
B. 3,4
C. 1,4
D. 1,2

关于支持向量机SVM,下列说法错误的是()

A. L2正则项,作用是最大化分类间隔,使得分类器拥有更强的泛化能力
B. Hinge损失函数,作用是最小化经验分类错误
C. 分类间隔为1/||w||,||w||代表向量的模
D. 当参数C越小时,分类间隔越大,分类错误越多,趋于欠学习

有两个样本点,第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是()

A. 2x+y=4
B. x+2y=5
C. x+2y=3
D. 2x-y=0

下面有关分类算法的准确率,召回率,F1值的描述,错误的是?

A. 准确率是检索出相关文档数与检索出的文档总数的比率,衡量的是检索系统的查准率
B. 召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率,衡量的是检索系统的查全率
C. 正确率、召回率和F值取值都在0和1之间,数值越接近0,查准率或查全率就越高
D. 为了解决准确率和召回率冲突问题,引入了F1分数

答案查题题库