李宏毅老师机器学习选择题解析

机器学习选择题解析加整理

项目说明，本项目是李宏毅老师在飞桨授权课程的配套问题
课程 传送门
该项目AiStudio项目 传送门

仅供学习参考！

三岁出品必是精品！
整理内容源于李宏毅老师机器学习课程群提问答疑解析内容！

单选题(一)

---

机器学习训练时，Mini-Batch 的大小优选为2个的幂，如 256 或 512。它背后的原因是什么？
A. Mini-Batch 为偶数的时候，梯度下降算法训练的更快
B. Mini-Batch 设为2的幂，是为了符合CPU、GPU的内存要求，利于并行化处理
C. 不使用偶数时，损失函数是不稳定的
D. 以上说法都不对

答案：B
解析：略

---

下列说法错误的是？
A. 当目标函数是凸函数时，梯度下降算法的解一般就是全局最优解
B. 进行 PCA 降维时，需要计算协方差矩阵
C. 沿负梯度的方向一定是最优的方向
D. 利用拉格朗日函数能解带约束的优化问题

答案：C
解析：沿负梯度的方向是函数值减少最快的方向但不一定就是最优方向。

---

关于 L1、L2 正则化下列说法正确的是？
A. L2 正则化能防止过拟合，提升模型的泛化能力，但 L1 做不到这点
B. L2 正则化技术又称为 Lasso Regularization
C. L1 正则化得到的解更加稀疏
D. L2 正则化得到的解更加稀疏

答案：C
解析：L1、L2 正则化都能防止过拟合，提升模型的泛化能力。L1 正则化技术又称为 Lasso Regularization。