在利用机器学习算法进行工程估价预测时,关于数据与模型关系的描述,下列说法正确的有?
A.训练数据的数量越多且质量越高,模型的泛化能力通常越强
B.只要模型算法足够复杂,就可以忽略输入数据的特征工程处理
C.特征工程是将原始工程数据转化为模型可有效利用的输入变量的关键步骤
D.过拟合是指模型在训练集上表现良好但在新的测试数据上预测误差显著增大的现象
E.机器学习模型一旦训练完成,其参数固定不变,无需再根据新数据更新
优质解答
答案
ACD
解析
本题考查机器学习在工程估价中的数据与模型原理。选项A正确,数据规模和质量的提升有助于模型捕捉更全面的规律,减少偏差,增强对新工程项目的泛化预测能力。选项B错误,特征工程(Feature Engineering)至关重要,原始数据往往包含噪声或冗余,必须经过清洗、转换、选择等处理才能被模型有效利用,复杂算法不能免除这一过程。选项C正确,特征工程旨在提取对目标变量(如造价)有解释力的变量,是提升模型性能的关键。选项D正确,这是过拟合的标准定义,即模型过度学习了训练数据中的噪声和特定细节,导致泛化能力下降。选项E错误,机器学习模型通常需要持续学习(Online Learning)或定期用新数据重新训练(Retraining),以适应材料价格波动、新工艺出现等动态变化。故选ACD。
科目:建设工程经济题型:多选题难度:中等来源:AI生成