3 深度學習模型中，下列哪一項通常用來降低過擬合(Overfitting)問題？
(A) 增加訓練數據量
(B) 增加模型的複雜度
(C) 增加學習率
(D) 增加正則化項

答案：登入後查看
統計： A(111), B(74), C(28), D(703), E(0) #3472194

詳解 (共 2 筆)

#6518566
正確答案：(D) 增加正則化項 解析：...
(共 271 字，隱藏中）
前往觀看
11
0
#6598293

在深度學習模型中，通常用來降低過擬合 (Overfitting) 問題的選項是：

(D) 增加正則化項

理由：

  • 正則化 是一種技術，用來限制模型的複雜度，從而防止過擬合。常見的正則化方法包括 L1 和 L2 正則化。
  • 其他選項的影響：
    • (A) 增加訓練數據量 確實可以幫助降低過擬合，但這不是直接的模型調整方法。
    • (B) 增加模型的複雜度 會增加過擬合的風險。
    • (C) 增加學習率 可能導致模型不穩定，並不直接解決過擬合問題。
1
0