首页 > 试题广场 >

以下说法正确的是（）

[单选题]
以下说法正确的是（） 
  • 增加模型复杂度，模型在测试集上的准确率就能更好
  • L2正则化的解通常是稀疏的，L1正则化可以使得参数趋向于更平滑
  • 对于PCA，我们应该选择使得模型具有最小variance的主成分
  • 每次使用K-means算法得到的聚类结果可能会不一样
查看正确选项
添加回答
平行线上的交点头像 平行线上的交点
A肯定会过拟合好吧，最多提高训练集准确性；B完全说反了好吧，真逗，个人认为答案只有D
编辑于 2019-11-28 12:32:40 回复(1)
顺利毕业和拿到大厂offer头像 顺利毕业和拿到大厂offer
A选项过拟合
L1正则化会产生稀疏矩阵的吧， 这答案是认真的吗
发表于 2019-03-27 15:34:51 回复(0)
彩虹＆光芒头像 彩虹＆光芒
A选项 应该是训练集上的准确率更好吧
发表于 2019-03-14 11:36:20 回复(1)
Fabulous_HK头像 Fabulous_HK
l1正则化可以产生稀疏权值矩阵，也就是产生一个稀疏模型，可以用于特征选择；l2正则化可以防止模型过拟合，也就是拟合曲线更趋于平滑。 PCA应该选择协方差（Covariance）比较小的
编辑于 2020-08-31 09:35:43 回复(1)
呆哥不是个好少年头像 呆哥不是个好少年

C不对，PCA是想方差在每一个维度上都最大

发表于 2019-09-06 17:54:49 回复(0)
Tinkle_Bias头像 Tinkle_Bias
正确答案：D
AB不解释
C可能存在争议，因为表达比较模糊，暂时认为他想说的意思是：
PCA 通过协方差矩阵可以分解出内部方差更大的特征作为主成分，而不是方差小的特征。

发表于 2019-08-12 18:00:37 回复(0)
nt3m5p头像 nt3m5p
L2正则化的解通常是稀疏的，L1正则化可以使得参数趋向于更平滑

发表于 2019-03-13 09:12:41 回复(1)
牛客688756620号头像 牛客688756620号 
对于PCA，我们应该选择使得模型具有最大variance的主成分
发表于 2022-10-26 15:22:50 回复(0)
华清小学生头像 华清小学生
L1正则化使参数变得稀疏，L2正则化使参数变得平滑
发表于 2022-05-10 00:12:20 回复(0)
星星5416+51头像 星星5416+51
真的是鬼答案啊
发表于 2019-08-23 18:37:27 回复(0)
牛客711559590号头像 牛客711559590号
kmeans每次初始化不一样，结果可能不一样
发表于 2025-02-16 01:09:57 回复(0)
聂鹏算法24应届硕士头像 聂鹏算法24应届硕士
C 取的是协方差最大的特征
编辑于 2024-01-19 09:46:50 回复(0)
hik_z头像 hik_z
对于PCA，应该选择的是最大方差的主成分
发表于 2022-07-30 22:03:27 回复(0)
牛客859444993号头像 牛客859444993号
L1正则化会让一些特征的系数为0，使模型系数化，用于特征选择。而L2正则化只会让一些趋近于0，无法系数化。
发表于 2021-10-30 22:26:54 回复(0)
想和你更近一步头像 想和你更近一步
C应该是最大协方差吧
发表于 2020-04-03 13:40:19 回复(0)
大风车恩德头像 大风车恩德
对于C项，应该是具有最大方差的
发表于 2020-03-07 14:20:47 回复(0)
넌어디에서头像 넌어디에서
这道题答案只有D吧
发表于 2019-08-14 14:42:57 回复(0)
提交观点

问题信息

算法工程师 机器学习 2019 顺丰集团
来自：顺丰科技2019秋招人...
上传者：小小
难度：
17条回答 4735浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号