题目内容
（请给出正确答案）
[判断题]
一般来讲，训练集要包含所有可能的分类，这些分类的数目没有任何要求。()
如搜索结果不匹配，请 联系老师 获取答案
A.选择正确的训练集是应用最近相邻算法最重要的一步
B.最近相邻算法训练集就是模型本身
C.最近相邻算法的训练集如果选择不当，则模型会失准
D.训练集要包含所有可能的分类
更多“一般来讲，训练集要包含所有可能的分类，这些分类的数目没有任何…”相关的问题
第4题
假设拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置（）。
A.除去神经网络中的最后一层，冻结所有层然后重新训练
B.对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层
C.使用新的数据集重新训练模型
D.所有答案均不对
第5题
假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置（）。
A.除去神经网络中的最后一层，冻结所有层然后重新训练
B.对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层
C.使用新的数据集重新训练模型
D.所有答案均不对
第6题
阅读以下文字：假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置（）。
A.除去神经网络中的最后一层，冻结所有层然后重新训练
B.对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层
C.使用新的数据集重新训练模型
D.所有答案均不对
第7题
关于交叉验证（Cross Validation）的描述，不正确的是（）
A．交叉验证（Cross Validation）是用来验证分类器的性能一种统计分析方法B．K-fold Cross Validation就是将原始数据分成K组（一般是均分）,将每个子集数据分别做一次验证集,其余的K-1组子集数据作为训练集,这样会得到K个模型,用这K个模型最终的验证集的分类准确率的平均数作为此K-CV下分类器的性能指标C．交叉验证用于评估模型的预测性能，尤其是训练好的模型在新数据上的表现，可以在一定程度上减小过拟合D．使用交叉验证不会增加模型训练的计算量
点击查看答案
第8题
下面有关决策树的说法正确的有
A.决策树是一种确定分类特征的方法，通过多种不同的分支方法确定属性的重要性
B.决策树可以转化为规则集的形式，从而有利于计算机进行处理
C.决策树一般越复杂性能越好
D.过拟合可能导致决策树训练失败，难以达到使用要求
热门考试
全部 >
相关试卷
全部 >
