黄石2025-04-07 14:42:51

同学你好。

对于D：过拟合指的是模型对训练集的数据进行了“过度”的学习，除了数据之间的规律之外还捕捉到了很多无用的噪声。这使得过拟合的模型在训练集中的表现非常好，但换到其它数据集时表现就会出现一个骤降（这也就是所谓的泛化能力generalization不行，一个泛化能力好的模型应该要做到不论怎么更换数据集，表现都不会受到太大的影响）。对于这个问题，我们可以在训练集的基础上引入验证集，通过验证集来看看模型是否可能出现了过拟合。如果模型的表现在验证集中陡然下滑，那就意味着模型可能过于复杂了，需要进行调整。

对于B：hidden layer指的是神经网络在输入（X）和输出（Y）之间额外构建的层级。输入（X）的信息不会直接给到输出（Y），而是会一层一层地在隐藏层之间传递，最后得到输出（Y），见下图示意。这就好比模拟了人脑神经元的工作方法。Hidden layer存在与否并不会直接影响到模型是线性还是非线性，重点还是在于activation function。如果没有activation function或activation function都是线性函数，那么神经网络就是一个线性模型；反之，如果activation function是非线性函数，那么神经网络就是一个非线性模型，不论模型中有没有hidden layer。