题目内容
（请给出正确答案）
A.惩罚了模型的复杂度，避免模型过度学习训练集，提高泛化能力
B.剃刀原理：如果两个理论都能解释一件事情，那么较为简单的理论往往是正确的
C.正则项降低了每一次系数w更新的步伐，使参数更小，模型更简单
D.贝叶斯学派的观点，认为加入了先验分布（11拉普拉斯分布，12高斯分布），减少参数的选择空间
如果结果不匹配，请 联系老师 获取答案
更多“为什么正则化能处理过拟合？（）”相关的问题
A.Dropout
B.分批归一化（BatchNormalization）
C.正则化（regularization）
D.都可以
A.L1正则化可以用于特征选择
B.L1正则化和L2正则化可以减少过拟合
C.Lp正则化不能减少过拟合
D.L1正则化和L2正则化可以看成是损失函数的惩罚项
A.L2正则化能防止过拟合，提升模型的泛化能力，但L1做不到这点
B.L2正则化技术又称为LassoRegularization
C.L1正则化得到的解更加稀疏
D.L2正则化得到的解更加稀疏
A.L1范数正则化有助于降低过拟合风险
B.L2范数正则化有助于降低过拟合风险
C.L1范数正则化比L2范数正则化更有易于获得稀疏解
D.L2范数正则化比L1范数正则化更有易于获得稀疏解
A.数据集合扩充
B.L1和L3正则化
C.提前停止训练
D.使用Dropout方法
A.若正则化参数λ过大，可能会导致出现欠拟合现象
B.若λ的值太大，则梯度下降可能不收敛
C.取一个合理的λ值，可以更好的应用正则化
D.如果令λ的值很大的话，为了使CostFunction尽可能的小，所有θ的值（不包括θ0）都会在一定程度上减小
