题目内容 (请给出正确答案)
[单选题]

超参数和参数的区别。参数一般是模型需要根据训练数据可以自动学习出的变量。超参数一般就是根据经验确定预设的变量。下面哪些是超参数?

A.深度学习模型的权重,偏差

B.深度学习的学习速率、人工神经网络的层数

C.深度学习的迭代次数

D.深度学习的每层神经元的个数

提问人:网友wjj_991 发布时间:2022-01-07
参考答案
查看官方参考答案
如搜索结果不匹配,请 联系老师 获取答案
网友答案
查看全部
  • · 有3位网友选择 C,占比33.33%
  • · 有2位网友选择 A,占比22.22%
  • · 有2位网友选择 D,占比22.22%
  • · 有2位网友选择 B,占比22.22%
匿名网友 选择了D
[153.***.***.157] 1天前
匿名网友 选择了B
[236.***.***.82] 1天前
匿名网友 选择了C
[206.***.***.235] 1天前
匿名网友 选择了C
[170.***.***.13] 1天前
匿名网友 选择了C
[212.***.***.60] 1天前
匿名网友 选择了A
[175.***.***.50] 1天前
匿名网友 选择了B
[133.***.***.124] 1天前
匿名网友 选择了A
[169.***.***.136] 1天前
匿名网友 选择了D
[107.***.***.153] 1天前
加载更多
提交我的答案
登录提交答案,可赢取奖励机会。
更多“超参数和参数的区别。参数一般是模型需要根据训练数据可以自动学…”相关的问题
第1题
下列人物言论和事迹体现学习的重要性的是()。
A.常香玉说:“戏比天大,就是下刀子也要去。”

B.王顺友,一名普通的乡邮员。20年来在雪域高原的送邮行程达到26万公里,从没有延误一期邮班,丢失一份邮件

C.许振超是一名普通的工人,他说:“一个人可以没文凭,可以不进大学,却不能没有文化。

人要活出质量,就要孜孜不倦地学习

D.俗话说得好:“机会是留给有准备的人。”

点击查看答案
第2题

简述通过阶跃响应法求取一阶系统动态特性参数的两种方法。

点击查看答案
第3题
超越自我的过程,是不断超越原先设定的目标和愿景的过程。超越自我不是你所拥有的某些能力,它是一个过程,一种终身的修炼,因为超越自我没有终极境界。
点击查看答案
第4题
关于ROC (受试者工作特征曲线, receiver operating characteristic curve)中AUC(Area Under Curve)说法正确的是

A、定义为ROC曲线下的面积

B、AUC值提供了分类器的一个整体数值。通常AUC越大,分类器更好

C、取值范围为[0,1]

D、其它答案都不对

点击查看答案
第5题
下面关于分类(classification)和回归(regression)的区别和联系的描述正确的是:

A、分类的目的是预测出新样本的类型、种类或标签,即其输出值是离散的

B、分类和回归问题通常都是有监督学习的范畴

C、回归问题需要预测连续变量的数值:比如预测新产品的销量等

D、可以将回归的输出值通过设定阈值等方式进行离散化处理,从而用于分类

点击查看答案
第6题
关于 Cohen' s kappa 和Fleiss' kappa的区别:

A、Cohen’s kappa主要用于衡量两个评价者( raters )之间的一致性(agreement)

B、如果评价者多于2人时,可以考虑使用Fleiss' kappa

C、二者没有本质区别,可以等价

D、其它答案都不对

点击查看答案
第7题
下面关于使用网格搜索进行超参数的调优的描述正确的是:

A、假设模型中有两个超参数(A, B)。则网格搜索的基本原理就是尝试各种可能的(A, B)对值,并找到其中最好的(A, B)对值

B、为了使用网格搜索进行超参数的调优,通常可以进行交叉验证的方式,并找出使交叉验证性能最高的超参数取值的组合

C、假设模型中某个超参数B的可能取值为连续的,如在区间[0-1]。由于B值为连续,通常进行离散化,如变为{0, 0.5, 1.0}

D、其它答案都不对

点击查看答案
第8题
下列关于scikit-learn的描述正确的是

A、scikit-learn包括许多知名的机器学习算法的实现,包括SVM等

B、scikit-learn封装了其他的Python库,如自然语言处理的NLTK库

C、scikit-learn内置了大量数据集,如iris数据集等

D、scikit-learn实现了多种分类的评估方法,如准确率、精确率、召回率等

点击查看答案
第9题
已知如下定义: True positives(TP): 被正确地划分为正例的个数,即实际为正例且被分类器划分为正例的实例数(样本数); False negatives(FN):被错误地划分为负例的个数,即实际为正例但被分类器划分为负例的实例数; False positives(FP): 被错误地划分为正例的个数,即实际为负例但被分类器划分为正例的实例数; True negatives(TN): 被正确地划分为负例的个数,即实际为负例且被分类器划分为负例的实例数。 则下面定义正确的是:

A、分类准确率 Accuracy=(TP+TN)/(P+N)

B、精确率 Precision=TP/(TP+FP)

C、召回率 Recall=TP/P

D、召回率 Recall=TN/P

点击查看答案
账号:
你好,尊敬的用户
复制账号
发送账号至手机
密码将被重置
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改
欢迎分享答案

为鼓励登录用户提交答案,简答题每个月将会抽取一批参与作答的用户给予奖励,具体奖励活动请关注官方微信公众号:简答题

简答题官方微信公众号

警告:系统检测到您的账号存在安全风险

为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!

微信搜一搜
简答题
点击打开微信
警告:系统检测到您的账号存在安全风险
抱歉,您的账号因涉嫌违反简答题购买须知被冻结。您可在“简答题”微信公众号中的“官网服务”-“账号解封申请”申请解封,或联系客服
微信搜一搜
简答题
点击打开微信