返回课程
下一页
互动测验
测试你的知识！
1
在深度学习中，交叉验证（cross-validation）的主要目标是什么？
A
提高模型的训练速度
B
在整个训练数据集上精确评估模型
C
减少用于训练的数据集大小
D
生成新的训练数据
2
在 k 折交叉验证（k-fold cross validation）方法中，哪个参数直接影响训练的模型数量？
A
数据集中的类别数量
B
每个验证子集的大小
C
k 值，即子集的数量
D
模型的学习率
3
分层 k 折交叉验证（stratified k-fold cross validation）与经典 k 折交叉验证的主要区别是什么？
A
分层 k 折使用可变的折叠数量
B
分层 k 折在每个子集中保持相同的类别分布
C
分层 k 折不将数据集划分为子集
D
分层 k 折不需要多次训练
4
留一交叉验证（leave one out cross validation, LOOCV）方法的一个主要缺点是什么？
A
它无法检测过拟合
B
需要训练模型的次数与数据集大小相同
C
它无法用于少量数据的微调
D
它不考虑类别分布
5
以下哪个是交叉验证的优点？
A
加速模型的训练过程
B
通过减少数据划分中的随机性效应，实现对模型更可靠的评估
C
通过避免任何正则化，简化超参数的选择
D
完全消除过拟合的风险
Score: 0/5
得分: 0/5