返回全部题目← 上一题66 / 366下一题 →题库/模型基础与推理/Q-5313Boosting 模型如何控制迭代规模和过拟合?知识专题:机器学习与推荐系统题目类型:方案设计技术难度:进阶收录题集:1 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi(新窗口打开)Qwen千问(新窗口打开)OpenAIChatGPT(新窗口打开)自动带入当前题目本题目录收录题集相关题目收录题集1 份集成学习与树模型Datawhale · daily-interview · 4 条原题查看题集 →Adaboost算法如何加入正则项?Adaboost的迭代次数(基学习器的个数)如何控制?gbdt如何防止过拟合?由于gbdt是前向加法模型,前面的树往往起到决定性的作用,如何改进这个问题?展开其余 1 条原题XGBoost中如何处理过拟合的情况?相关题目4 题0252推荐系统冷启动有哪些处理思路?同一知识专题题目类型:方案设计技术难度:进阶相关面经:1 篇1598了解哪些机器学习算法?同一知识专题题目类型:经历介绍相关面经:1 篇1599数仓与机器学习结合有哪些潜力场景?同一知识专题题目类型:开放讨论相关面经:1 篇1746项目场景中的 Level-K 博弈如何实现?同一知识专题题目类型:项目深挖技术难度:进阶相关面经:1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题Bagging 与 Boosting 有什么区别,如何从偏差和方差理解?下一题 →AdaBoost 与 GBDT 的训练机制有什么区别?