AI:
1、过拟合的原因
①数据太少
②模型太复杂
2、缓解过拟合方法:
① 数据集增广
②改进模型:
提前停止训练,
L1,L2正则化,
Dropout层,
多任务学习
3、1×1卷积作用
①实现跨通道的交互和信息整合
②进行卷积核通道数的降维和升维
4、L1 L2正则化理解
① L1正则化是权重向量w中各个元素的绝对值之和
L1正则化可以产生稀疏权值矩阵,即产生一个稀疏模型,用于特征选择
② L2正则化是权重向量w中各个元素的平方和再求平方根
L2正则化防止模型过拟合
5、机器学习决策树
①决策树是常用的一种有效的分类和回归的方法,属于有监督学习,且决策树是基于树结构进行决策的。
②决策树构成:特征划分选择,决策树的生成,决策树的修剪
6、评价聚类的指标有什么?
①大多数聚类的评价指标通过紧凑性和可分性来定义的
②外部指标(处理有标签数据时使用的评分):Adjusted Rand Index(调整兰德系数)
内部指标(使用数据来衡量数据和结构之间的吻合度):Silhouette index(轮廓系数)
相对指标(两个聚类结构中哪一个在某种意义上更好)