本頁面由 Cloud Translation API 翻譯而成。 資料集、一般化和過度配適：考考您的知識 返回課程 下列何者是固定資料集的例子？ 華盛頓州西雅圖的降雨率 貝多芬交響樂譜目錄 垃圾郵件中最常用的字詞 電影院的每日門票 您準備訓練模型，使用含有下列功能的資料集來預測二手車的特價：year、model 和 mileage。檢查資料集時，您發現在 2,500 個樣本中，有 150 個缺少里程值。下列何者是應採取的合理做法？(可複選) 請選取所有正確答案。 從資料集移除這 150 個範例 從資料集中移除 mileage 欄，並只訓練年份和模型 將 0 的值插入所有空白的里程數欄位 將車輛年齡乘以資料集內所有車輛的平均每年里程數，藉此推斷每個空白欄位的 mileage 預估值 您訓練了串流服務的電影推薦模型，以預測使用者是否會喜歡特定電影。下列哪項替代性代理標籤適合用於「使用者喜歡這部電影」？(可複選) 請選取所有正確答案。 使用者已將電影儲存至「想看」清單。 使用者點選 [開始觀看電影]。 使用者推薦這部電影給其他使用者。 使用者給予電影 5 星級評等。 是非題：訓練模型，直到測試資料中的損失值降至最低為止，這是避免過度配適的好方法。 是 否 請在以下句子中填入句子：一般化可在訓練期間懲罰 ___，提升模型將新資料一般化的能力。 預測錯誤 學習率 複雜度 漸層下降 提交答案 error_outline 計算測驗分數時出現錯誤。請再試一次。
