标签：机器 means 基础 正则 学习 算法 L1 集上 PCA

在学习的过程中碰到的机器学习基础题：

• 第一题：

A.增加模型复杂度，模型在测试集上的准确率就能更好（错，会出现过拟合，在训练集上效果更好，在测试集上，效果变差）

B.L2正则化的解通常是稀疏的，L1正则化可以使得参数趋向于更平滑（错，说反了，L2正则化平滑，L1稀疏）

C.对于PCA，我们应该选择是的模型具有最小variance的主成分（错，应该是选择最大的variance的作为主成分）

D.每次使用K-means算法得到的聚类结果可能会不一样 （对，k-means因为其初始点的随机初始化，使得其是一种不确定算法，而PCA是一种确定性算法。）

标签：机器,means,基础,正则,学习,算法,L1,集上,PCA
来源： https://www.cnblogs.com/xiaochaosui/p/16478218.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。