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(27), B(18), C(6), D(250), E(0) #3645673

詳解 (共 4 筆)

#6988063
過擬合指的是模型過度學習訓練數據中的雜訊或特徵，導致在測試集上表現不佳。
ㅤㅤ
正則化是一種在模型中加入額外項來懲罰複雜模型的方法，常見的正則化項有L1 正則化和L2 正則化。
增加正則化項可以使模型變得更簡單，降低過擬合的風險，提高模型的泛化能力。
2
0
#7265435
這道題所需用到的觀念及其延伸:   ...


(共 17649 字，隱藏中）
前往觀看
1
0
#7289327
這題考的是機器學習與深度學習中極其重要...


(共 820 字，隱藏中）
前往觀看
1
0
#7289325
選項分析 (A) 增加訓練數據量⭕ ...

(共 679 字，隱藏中）
前往觀看
0
0