更多“分类算法中，用测试数据检验模型得到的准确率和召回率就是泛化误差（）”相关的问题
第1题
对回归和分类模型的评价中，准确率和召回率是最常用的指标。（）
点击查看答案
第2题
选择模型时只需要考虑模型的泛化误差，因此就算是训练误差非常大的模型也可能是效果最好的分类模型。（）
点击查看答案
第3题
随机森林算法是以决策树为基分类器，采用各种随机化措施来增强整体泛化能力的一种Bagging组合分类器。（)
点击查看答案
第4题
大多数虚拟系统采用OPT（优化)淘汰算法就是因为它确实可以得到最小的缺页率。（)
点击查看答案
第5题
泛化能力是指机器学习算法对新鲜样本的适应能力。（)
点击查看答案
第6题
给定n个数据点，其中一半用于训练，另一半用于测试，则训练误差和泛化误差之间的差别会随着n的增大而减小（）
点击查看答案
第8题
多元线性回归得到的模型只有几个自变量通过了检验，这样的模型不能用（）
点击查看答案
第9题
机器学习算法训练完成后，在训练集准确率很高，但验证集准确率很低，说明已经过拟合。（)
点击查看答案
第10题
Boosting算法是通过不断提升基分类器的性能来得到更好的组合分类结果的方法。（)
点击查看答案
重要提示：
请勿将账号共享给其他人使用，违者账号将被封禁！
警告：系统检测到您的账号存在安全风险
