黄石2026-05-06 10:42:07

同学你好。FRM考试不是纯粹考察对于术语和概念的记忆，也要求考生能够将这些概念活学活用。这道题的四个选项，只要你理解了课上讲的术语和概念，是能够进一步分析得出结论的。对于A，如果没有activation function，那么neural network就会退化为一个较为复杂的线性回归：不论是计算隐藏层节点的数值，还是计算输出层节点的数值，我们本质上都是在一个线性函数的基础上套上了一个activation function，而常见的activation function都是非线性的，这为neural network带来了解决复杂、非线性的问题的能力。如果去掉activation function，则neural network和回归模型其实没有什么本质差异。对于B，如果没有hidden layer，比方说我们是直接基于X去计算Y，但由于activation function的存在，该模型依然是一个非线性的模型，所以B不对。对于D，在介绍过拟合的问题的时候，我们提到过这类模型的泛化性能不好，也就是只在训练集中表现优良，但换个数据集的话效果通常会差很多，因为这类模型对原训练集中的各种信息，包括一些“噪声”，都进行了拟合。因此，如果我们同时基于训练集和验证集来进行计算的话，这可以很好地帮助我们判断模型是否出现了过拟合——只要模型在验证集中的表现逊色很多，就意味着很可能出现了过拟合的问题。