题目内容
(请给出正确答案)
[单选题]
全局梯度下降算法、随机梯度下降算法和批量梯度下降算法均属于梯度下降算法,以下关于其有优缺点说法错误的是()
A.全局梯度算法可以找到损失函数的最小值
B.随机梯度算法可以找到损失函数的最小值
C.全局梯度算法收敛过程比较耗时
D.批量梯度算法可以解决局部最小值问题
答案
查看答案
A.全局梯度算法可以找到损失函数的最小值
B.随机梯度算法可以找到损失函数的最小值
C.全局梯度算法收敛过程比较耗时
D.批量梯度算法可以解决局部最小值问题
第1题
A.梯度方向是函数值下降最快方向
B.梯度下降算法是一种使得损失函数最小化的方法
C.梯度下降算法用来优化深度学习模型的参数
D.梯度反方向是函数值下降最快方向
第2题
A.这没关系。只要随机初始化权重,梯度下降不受权重大小的影响
B.这将导致tanh的输入也非常大,因此导致梯度也变大。因此,您必须将α设置得非常小以防止发散;这会减慢学习速度
C.这会导致tanh的输入也非常大,导致单位被“高度激活”,从而加快了学习速度,而权重必须从小数值开始
D.这将导致tanh的输入也很大,因此导致梯度接近于零,优化算法将因此变得缓慢
第3题
A.如果学习率很小,则优化成本函数将花费大量时间
B.如果学习率非常高,则梯度下降可能永远不会收敛
C.学习率是使用损失函数导数和步长来计算的
D.学习率是梯度下降算法中的超参数
第4题
A.要运行的迭代次数
B.梯度下降的步长
C.是否给数据加干扰特征或者偏差特征
D.Lasso和ridge的正规化参数
第5题
A.贝叶斯算法
B.支持向量机算法
C.神经网络算法
D.决策树算法
第7题
A.随机梯度下降法最终收敛的点不一定是全局最优
B.随机梯度下降法最终收敛的点一定是全局最优
C.无论随机梯度下降法存不存在最终收敛的点,一定可以找到最优解
D.无论随机梯度下降法存不存在最终收敛的点,一定不能找到最优解
第10题
A.ID3使用的信息增益
B.C4.5使用的增益率
C.CART使用的基尼指数
D.NNM使用的梯度下降