【Machine Learning】練習測驗：過度擬合問題

多選題 - 40分

以下哪些方法可以解決過度擬合？

選擇交相關的特徵子集

套用正則化

隨機移除一組訓練樣本

收集更多的訓練資料

單選題 - 20分

你對一個資料集使用帶有多項式特徵的邏輯回歸進行擬合，你的模型可能會發生什麼狀況?

模型具有高變異(過度擬合)。因此單靠增加訓練資料不會有太大幫助。

模型具有高偏差(低擬合)。因此單靠增加訓練資料不會有太大幫助。

模型具有高偏差(低擬合)。因此增加訓練資料會有幫助。

模型具有高變異(過度擬合)。因此增加訓練資料會有幫助。

單選題 - 20分

假設你有一個正則化線性迴歸模型。如果你增加正則化參數 $\lambda$，那你預期參數 $w_1,w_2,...,w_n$ 會有什麼變化？

會減少 $w_1,w_2,...,w_n$ 的大小

會增加 $w_1,w_2,...,w_n$ 的大小

📝 【Machine Learning】練習測驗：過度擬合問題