首页 > 试题广场 >

以下说法正确的是（）

[单选题]

以下说法正确的是（）

Boosting和Bagging都是组合多个分类器投票的方法，二者都是根据单个分类器的正确率决定其权重

梯度下降有时会陷于局部极小值，但EM算法不会

除了EM算法，梯度下降也可求混合高斯模型的参数

基于最小二乘的线性回归问题中，增加L2正则项，总能降低在测试集上的MSE(均方根)误差

查看答案及解析

没offer赶紧滚去学习

A. 【错】基分类器的权重系数：Adaboost中错误率较低的分类器权重较大；Bagging中采用投票法，所以每个基分类器的权重系数都是一样的。

B. 【错】EM算法常用在有隐变量的参数的求解，比如混合高斯模型（Gaussian Mixture Model）。EM算法是可以收敛的，但是可能会陷于局部最小值，所以我们一般需要多次去初始值，选择最后的那个作为我们的结果。

C. 【对】，一般的，GMM的参数更新方法都是EM的方法，梯度下降也是求一个函数最小值的方法，相比EM的算法，更新速度比较快，缺点是比较容易陷入局部收敛点。

ref：高斯混合模型（GMM model）以及梯度下降法（gradient descent）更新参数 - book_bbyuan的博客 https://blog.csdn.net/book_bbyuan/article/details/78843240

D. 【错】采用RMSLE作为性能指标，L2正则化：随着正则参数增加，模型性能先增加后减少。当使用一个较大的正则化参数时，RMSLE的性能急剧下降

发表于 2019-12-20 20:11:17 回复(0)

提交观点

问题信息

算法工程师猿辅导 2020

上传者：小小

难度：

1条回答 35收藏 1275浏览

扫一扫，把题目装进口袋