首页
L2正则化往往用于防止过拟合，而L1正则化往往用于特征选择。
精华吧
→
答案
→
慕课
→
未分类
L2正则化往往用于防止过拟合，而L1正则化往往用于特征选择。
A.正确
B.错误
正确答案：正确
Tag：
机器学习
正则
特征
时间：2021-12-29 13:26:03
上一篇：
随机梯度下降，每次迭代时候，使用一个样本。
下一篇：
过拟合的处理可以通过减小正则化系数。
相关答案
1.
如果两个变量相关，那么它们一定是线性关系。
2.
假如使用一个较复杂的回归模型来拟合样本数据，使用Ridge回归，调试正则化参数，来降低模型复杂度，若正则化系数较大时，关于偏差(bias)和方差(variance)，下列说法正确的是?（）
3.
欠拟合的处理主要有哪些方式：（）
4.
线性回归中，我们可以使用最小二乘法来求解系数，下列关于最小二乘法说法正确的是?（）
5.
以下哪些是使用数据规范化(特征缩放)的原因？
6.
向量x=[1,2,3,4,-9,0]的L1范数是多少？
7.
构建一个最简单的线性回归模型需要几个系数（只有一个特征）？
8.
关于特征选择，下列对Ridge回归和Lasso回归说法正确的是？
9.
假如你在训练一个线性回归模型，则：1.如果数据量较少，容易发生过拟合。2.如果假设空间较小，容易发生过拟合。关于这两句话，下列说法正确的是？
10.
为了观察测试Y与X之间的线性关系，X是连续变量，使用下列哪种图形比较适合？
热门答案
1.
下列关于线性回归分析中的残差（Residuals）说法正确的是？
2.
以下哪些方法不能用于处理过拟合？
3.
以下哪些方法不能用于处理欠拟合？
4.
哪些算法不需要数据归一化？
5.
回归问题和分类问题的区别是？
6.
以下哪组变量之间存在线性回归关系？
7.
已知你朋友的信息，比如经常发email的联系人，或是你微博的好友、微信的朋友圈，我们可运用聚类方法自动地给朋友进行分组，做到让每组里的人们彼此都熟识。
8.
大部分的机器学习工程中，数据搜集、数据清洗、特征工程这三个步骤绝大部分时间，而数据建模，占总时间比较少。
9.
根据肿瘤的体积、患者的年龄来判断良性或恶性，这是一个回归问题。
10.
朴素贝叶斯属于概率模型。