知识检查

1.

规范化数据的好处是什么？

训练更加快速

更精确地删除缺失值

识别用于训练的优先算法

2.

你正在训练的模型在训练集方面表现良好，但在测试集上表现不佳。可能的原因是什么？

发生了拟合不足，并且模型不够准确。应继续训练。

发生过度拟合，并且模型在训练以外的新数据上表现不佳。你可以提前停止训练，或收集更加多样化的数据。

你的模型很好。你需要改用训练数据来测试模型。

3.

你的模型将被用于一个具有挑战性的应用程序，你需要具有非常可靠的性能。在困难的情况下，什么是用于测试模型可靠性的适当方法？

创建一个更大的训练集

使用维持方法，并创建第三个特殊数据集，该数据集包含模型输出需要符合性能阈值的示例。

在训练时密切关注成本。如有任何变化，可以停止训练。

反馈