神经网络的泛化能力就是指对样本数据的拟合和逼近效果。

A.训练可以高度并行化，对于大数据时代的大样本训练速度有优势

B.由于采用了随机采样，训练出的模型的方差小，泛化能力强

C.对部分特征缺失很敏感

D.在某些噪音比较大的样本集上，容易陷入过拟合

A.非线性映射

B.自学习和自适应

C.泛化与容错

D.收敛速度快

A.应根据数据特征选择不用的拟合方法

B.拟合多项式幂次越高，精度越好

C.多项式拟合是最佳的方法

D.线性拟合效果最好

A.复杂的模型时容易发生欠拟合问题

B.神经网络不会出现过拟合问题

C.正则化方法可以减少过拟合问题

D.增加数据量不能减少过拟合问题

A.幂次越高，精度越好

B.应根据数据特征选择不用的拟合方法

C.多项式拟合是最佳的方法

D.线性拟合效果最好