在训练神经网络的时候经常会遇到过拟合和耗时的问题。（)

A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合

B.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合

C.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量

D.通过增加数据扰动的数据增强减少了神经网络的过拟合

A.梯度消失问题

B.过拟合问题

C.数据不平衡问题

D.梯度爆炸问题

A.低错误率

B.可解释性好

C.训练时间长

D.结构较复杂

A.改变算法

B.增加数据量

C.增加模型训练的层次

D.增加标签量

A.线性回归

B.逻辑回归

C.支持向量机

D.神经网络

A.逻辑斯特回归(LR)，以及随机梯度下降(SGD)

B.线性回归及批量梯度下降(BGD)

C.神经网络及批量梯度下降(BGD)

D.针对单条样本进行训练的在线学习

A.Mac Address

B.TTL

C.IP Address

D.DSCP