过拟合模块：随堂测验#

随堂测验： 共 5 题，你必须至少答对 4 题才能通过。

请勿作弊！等你确认已经掌握本模块的全部内容之后，再回来作答。

五道题，横跨「数据集、泛化与过拟合」这一整章：平稳性、缺失值、派生标签、测试集到底该怎么用、正则化究竟在惩罚什么。单看每一题都不算难，但每一道都卡在一个特别容易含糊过去的点上——所以建议你先把 5 题全部做完，再统一展开折叠区对照。一次只对一道题，很容易把「想得起来」误当成「真懂」。

第 1 题：什么是平稳数据集#

下列哪一个属于平稳（stationary）数据集？

• A. 美国华盛顿州西雅图的降雨量

• B. 贝多芬交响曲的音符目录

• C. 垃圾邮件里最常出现的词

• D. 电影院的每日售票量

第 2 题：缺失的里程数据怎么处理#

你准备用一份包含 year、model、mileage 三个特征的数据集，训练一个预测二手车售价的模型。检查数据时你发现：2,500 条样本里，有 150 条的 mileage 是缺失的。下列哪些做法是合理的？（多选）

• A. 把这 150 条样本从数据集里删掉

• B. 把 mileage 这一列整个去掉，只用 year 和 model 训练模型

• C. 在所有空的 mileage 字段里填入 0

• D. 用「车龄 × 全数据集的平均年里程」为每个空字段估一个 mileage 值

第 3 题：哪些行为算「用户喜欢这部电影」#

你在训练一个流媒体的电影推荐模型，目标是预测用户对某部电影的态度。下列哪些可以作为「用户喜欢这部电影」的合理派生标签？（多选）

• A. 用户把电影存进了「想看」列表

• B. 用户点击了「开始观看」

• C. 用户把这部电影推荐给了另一位用户

• D. 用户给这部电影打了 5 星

第 4 题：训到测试损失很低就能防过拟合吗#

判断正误：把模型一直训练到它在测试数据上的损失很低，是防止过拟合的好办法。

• A. 正确（True）

• B. 错误（False）

第 5 题：正则化到底在惩罚什么#

补全下面这句话：

正则化通过在训练过程中惩罚 ___ ，来提升模型泛化到新数据的能力。

• A. 错误预测

• B. 学习率

• C. 复杂度

• D. 梯度下降

MLWM： 关于数据划分、测试集的正确用法以及偏差与方差的权衡，参见「4.5 偏差和方差：交叉验证、过拟合与模型泛化」；正则化与其他抑制过拟合的手段，参见「4.3 过拟合处理方法：常见原因、表现与正则化实战」。

做完之后可以回头对照一下：哪一题需要回去重读，就回到对应的小节——平稳性看模型的过拟合现象，缺失值看数据集的数据特征，派生标签看数据集的标签，测试集该怎么用看数据集的划分，正则化看L2 正则化。