您可能感興趣的試卷
你可能感興趣的試題
A.交叉驗證法不僅可以估計分類器的錯誤率，還可以用于分類器參數(shù)的選擇。
B.交叉驗證法中的測試集過小會帶來錯誤率估計方差大的問題，這個問題可以通過多輪實驗的平均得到一定的緩解。
C.在進行交叉驗證時，，一般讓臨時訓(xùn)練集較小，臨時測試集較大，這樣得到的錯誤率估計就更接近用全部樣本作為訓(xùn)練樣本時的錯誤率。
D.n倍交叉驗證法和留一法都是交叉驗證法的具體形式。
A.網(wǎng)絡(luò)結(jié)構(gòu)
B.樣本的數(shù)量
C.連接權(quán)值的學(xué)習(xí)
D.傳遞函數(shù)
A.分類面的位置是由判別函數(shù)的閾值決定的。
B.超平面的法線方向與判別函數(shù)的權(quán)向量的方向是一致的。
C.權(quán)向量與超平面垂直。
D.判別函數(shù)可以度量樣本x到超平面的距離。
最新試題
k-近鄰法中k的選取一般為偶數(shù)。
在進行交叉驗證時，一般讓臨時訓(xùn)練集較大，臨時測試集較小，這樣得到的錯誤率估計就更接近用全部樣本作為訓(xùn)練樣本時的錯誤率。
神經(jīng)網(wǎng)絡(luò)的模型受到哪些因素的影響？（）
在總的樣本集不是很大的情況下，可以采用交叉驗證法來較好的估計分類器性能。
測試集的樣本數(shù)量越多，對分類器錯誤率的估計就越準(zhǔn)確。
一個數(shù)據(jù)集能生成多種決策樹。
理想的判據(jù)應(yīng)該對特征具有單調(diào)性，加入新的特征不會使判據(jù)減小。
順序后退法（SBS）是從0個特征開始，每次從已經(jīng)入選的特征中剔除一個特征，使得仍保留的特征組合所得到的J值最大，是一種特征選擇的最優(yōu)算法。
過擬合不會影響分類模型的泛化能力。
下面關(guān)于貝葉斯分類器的說法中錯誤的是（）。