过拟合是指模型在( )数据上表现很好，但在( )数据上表现较差的现象。
过拟合是指模型在( )数据上表现很好，但在( )数据上表现较差的现象。
发布时间：2025-06-15 22:43:57
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：训练 |测试
相关试题
- 1.过拟合是指模型在( )数据上表现很好，但在( )数据上表现较差的现象。
- 2.在机器学习中，以下哪个概念指的是模型在训练数据上的表现很好，但在未知数据上表现不佳？（ ）
- 3.过拟合是指模型在训练样本拟合过度，表现极好,而在验证数据集以及测试数据集中表现不佳。（ ）
- 4.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。（ ）
- 5.但全连接层的高度互联特性也带来显著弊端：大量参数导致模型容易过拟合，在训练数据上表现优异却难以适应新数据。
- 6.【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()
- 7.在训练数据集上模型执行得很好,说明是个好模型( )
- 8.而且如果数据增强策略不当或增强程度过高，可能会造成模型对增强后的数据过拟合，在真实环境测试中表现不佳。
- 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.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
