训练神经网络具有过度拟合训练数据的潜在问题。

判断题训练神经网络具有过度拟合训练数据的潜在问题。

1.判断题如果P（A | B）= P（A），则P（A∩B）= P（A）P（B）。

2.判断题由于决策树学会了对离散值输出而不是实值函数进行分类，因此它们不可能过度拟合。

3.判断题当MAP中使用的先验是参数空间上的统一先验时，MAP估计等于ML估计。

4.判断题当数据集标签错误的数据点时，随机森林通常比AdaBoost更好。

5.判断题假设属性的数量固定，则可以在时间上以线性方式学习基于高斯的贝叶斯最优分类器，而该数量是数据集中记录的数量。

6.判断题通常，当试图从大量观察中学习具有少量状态的HMM时，我们几乎总是可以通过允许更多隐藏状态来增加训练数据的可能性。

7.判断题选择用于k均值聚类的聚类数k的一种好方法是尝试k的多个值，并选择最小化失真度量的值。

8.判断题要将工作申请分为两类，并使用密度估计来检测离职申请人，我们可以使用生成分类器。

9.判断题随机梯度下降每次更新执行的计算量少于批梯度下降。

10.判断题数据索引是保证数据处理高性能的软件角度的一种手段，不做数据索引的数据访问是线性访问，但是做了索引的数据访问会成倍的降低访问时间。