下列的哪种方法可以用来降低深度学习模型的过拟合问题（）。 1增加更多的数 - 考试宝

单选题下列的哪种方法可以用来降低深度学习模型的过拟合问题（）。 1增加更多的数据 2使用数据扩增技术(dataaugmentation) 3使用归纳性更好的架构 4正规化数据 5降低架构的复杂度

A、 1 4 5

B、 1 2 3

C、 1 3 4 5

D、所有项目都有用

下载APP答题

由4l***ou提供分享举报纠错

相关试题

单选题子集搜索中，逐渐增加相关特征的策略称为（）。

A、前向搜索

B、后向搜索

C、双向搜索

D、不定向搜索

单选题在Apriori算法中，候选项集划分为不同的桶，存放在（）中。

A、字典

B、集合

C、Hash树

D、列表

单选题关联规则的评价指标是（）。

A、均方误差、均方根误差

B、Kappa统计、显著性检验

C、支持度、置信度

D、平均绝对误差、相对误差

单选题在图集合中发现一组公共子结构,这样的任务称为（）。

A、频繁子集挖掘

B、频繁子图挖掘

C、频繁数据项挖掘

D、频繁模式挖掘

单选题如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中的规则为（）。

A、无序规则

B、穷举规则

C、互斥规则

D、有序规则

单选题关于Apriori算法的原理中叙述错误的是（）。

A、Apriori算法通常使用先验知识或者假设

B、如果某个项集是频繁的，那么它的所有子集也是频繁的

C、如果一个项集是非频繁集，那么它的所有超集也是非频繁的

D、Apriori算法不可以用来发现频繁集

单选题（）算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和检测两个阶段来挖掘频繁项集。

A、Apriori

B、EM

C、PC

D、D.PAC

单选题 Apriori算法的核心思想是（）。

A、通过频繁项集生成和情节的向下封闭检测两个阶段来挖掘候选集

B、通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集

C、数据集中包含该项集的数据所占数据集的比例，度量一个集合在原始数据中出现的频率

D、若某条规则不满足最小置信度要求，则该规则的所有子集也不满足最小置信度要求