在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题（)

A.增加训练集量

B.减少神经网络隐藏层节点数

C.删除稀疏的特征

D.SVM算法中使用高斯核/RBF核代替线性核

A.当增加最小样本分裂个数，我们可以抵制过拟合

B.当增加最小样本分裂个数，会导致过拟合

C.当我们减少训练单个学习器的样本个数，我们可以降低variance

D.当我们减少训练单个学习器的样本个数，我们可以降低bias

A.验证集

B.训练集

C.测试集

D.超参数集

A.Dropout能减少网络训练耗时

B.Dropout能解决过拟合问题

C.Dropout能解决欠拟合问题

D.Dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃

A.神经网络对训练数据中的噪声非常鲁棒

B.可以处理冗余特征

C.训练ANN是一个很耗时的过程

D.至少含有一个隐藏层的多层神经网络

A.Dropout

B.正则化

C.批规范化

D.以上所有

A增加神经网络层数,可能会增加测试数据集的分类错误率

B减少神经网络层数,总是能减小测试数据集的分类错误率

C增加神经网络层数,总是能减小训练数据集的分类错误率

A、三叉神经半月节

B、三叉神经脊束核

C、三叉神经感觉主核

D、丘脑腹内侧核

E、三叉神经中脑核

A.网络深度

B.卷积核尺寸

C.激活函数

D.参数