欠拟合（Underfitting）是指模型复杂度低，模型在训练集上就表现很差，没法学习到数据背后的规律。（ ）
A、对
B、错
发布时间：2025-05-07 17:38:18
请在 下方输入 要搜索的题目：
推荐参考答案 (
由 快搜搜题库 官方老师解答 )
答案：对
相关试题
- 1.欠拟合（Underfitting）是指模型复杂度低，模型在训练集上就表现很差，没法学习到数据背后的规律。（ ）
- 2.若训练时使用了数据集的全部特征,模型在训练集上的准确率为100%,验证集上准确率为70%。出现的问题是?A.1. 欠拟合B.2. 过拟合C.3. 模型很完美
- 3.在模型训练中，哪个步骤通常是在训练数据集上进行的 （ ）。
- 4.在进行自然语言处理的过程的机器学习中，通常将数据集划分为（ ）数据集和（ ）数据集。训练数据集用于训练数据，生成机器学习模型。测试数据用于验证生成的机器学习模型。
- 5.模型拟合是利用测试数据集对模型的普通参数进行拟合。( )
- 6.下列关于机器学习的基本概念表述正确的是A.机器学习模型是建立在输入数据和模型输出之间的映射关系B.训练集是用来训练模型的数据集C.测试集是用来确定模型超参数的数据集D.验证集是用来测试模型真实泛化能力的数据集
- 7.方差（variance）是指模型预测结果的离散程度，方差可用于度量模型在不同数据集上的稳定性，即模型在不同数据集上的泛化能力。
- 8.模型太过于复杂的话，会造成欠拟合
- 9.使得网络在训练数据上的预测误差逐渐减小，从而提高模型的准确性。为了防止过拟合，
- 10.【填空题】当一个较为复杂的机器学习模型对于训练数据集杰出表现，而对于验证或是实际数据表现较差，此类现象我们称之为()
