过拟合不会影响分类模型的泛化能力

A.过拟合是由于训练集多，模型过于简单

B.过拟合是由于训练集少，模型过于复杂

C.欠拟合是由于训练集多，模型过于简单

D.欠拟合是由于训练集少，模型过于简单

A.欠拟合

B.过拟合

C.损失函数

D.经验风险

A.数据量不充分

B.训练数据不匹配

C.训练过拟合

D.训练速度太慢

A.欠拟合（under-fitting）

B.过拟合（over-fitting）

C.损失函数（loss function）

D.经验风险（empirical risk）

A.插值法要求过每一个节点，拟合结果则不一定

B.插值法计算复杂，拟合则较为简单

C.插值法不要求过每一个节点，拟合结果则经过每一个节点

D.插值法给不出统一的表达式，拟合则可以。

A.甲

B.乙

C.丙

D.丁