假设你在训练一个线性回归模型，有下面两句话：如果数据量较少，容易发生过拟合。如果假设空间较小，容易发生过拟合。关于这两句话，下列说法正确的是？（)

A.为了防止过拟合可以使用L1或L2正则化

B.为了防止过拟合可以使用提前终止训练的方法

C.为了防止过拟合可以使用Dropout

D.训练过程中的损失值越小，其在存过拟合的风险越低

A.增加训练集的数据量

B.正则化方法

C.增加样本的数量

D.增加训练的次数

A.适当拟合

B.欠拟合

C.过拟合

D.正则化方法

A.决定系数测度回归模型对样本数据的拟合程度

B.决定系数取值越大，回归模型的拟合效果越差

C.决定系数等于1，说明回归模型可以解释因变量的所有变化

D.决定系数取值在[0，1]之间

E.如果决定系数等于1，所有观测点都会落在回归线上

A.使用修正的线性单元(ReLU)作为非线性激活函数

B.在训练的时候使用Dropout技术有选择地忽视单个神经元，以避免模型过拟合

C.覆盖进行较大池化，避免平均池化的平均化效果

D.使用GPUNVIDIAGTX580减少训练时间

A.增加学习率

B.L2正则化

C.dropout

D.提前终止

A.一元线性回归预测是回归预测的基础，预测对象只受一个主要因素影响

B.判定一个线性回归方程的拟合程度的优劣称为模型的显著性检验，通常用的检验法是相关系数检验法

C.相关系数等于回归平方和在总平方和中所占的比率，即回归方程所能解释的因变量变异性的百分比，是一元回归模型中用来衡量两个变量之间相关程度的判定指标

D.如果相关系数r=0，表示所有的观测值全部落在回归直线上;如果r=1，则表示自变量与因变量无线性关系

A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合

B.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合

C.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量

D.通过增加数据扰动的数据增强减少了神经网络的过拟合