与不剪枝的情况相比，预剪枝的过拟合风险降低，欠拟合风险基本不变。对错

预剪枝欠拟合风险(),后剪枝欠拟合风险()。 () ()-|||-A 降低;降低-|||-B 增加;基本不变-|||-C) 基本不变;基本不变-|||-D 基本

72.(判断题) 剪枝的主要目的是通过去掉一些分支来降低过拟合风险。A. 对B. 错

以下哪种情况属于“过拟合”？A. 模型在训练集和测试集上误差均较高B. 模型在训练集上误差为0，但测试集误差很高C. 模型对所有样本的预测结果相同D. 模型无法

以下哪种情况属于过拟合?A. 模型在训练集上表现很好,在测试集上表现很差B. 模型在训练集和测试集上表现都很好C. 模型在训练集上表现很差,在测试集上表现很好D

剪枝的基本策略包括()。A. 留出法B. 冗余法C. 预剪枝D. 后剪枝

[单选题]“过拟合”只在监督学习中出现，在非监督学习中，没有“过拟合”，这是()A．对的B．错的

[问答题] α－β剪枝的条件是什么？

过拟合现象的主要原因是？A. 模型过于简单B. 训练数据量过少C. 模型在训练集上过度学习噪声D. 特征维度过低

在机器学习中,过拟合是指:A. 模型在训练数据上表现很好,在新数据上表现也很好B. 模型在训练数据上表现很差C. 模型在训练数据上表现很好,但在新数据上表现很差

[问答题] 如何评价与比较Logistic回归模型的拟合情况？