第五章单元测试
- Logistic回归算法是模型假设为Sigmoid函数的经验损失最小化算法。( )
- Logistic回归属于( )
Logistic回归可用于( )
- 关于分类和回归问题,下面说法正确的是?( )
- 我们知道二元分类一般设定输出概率大于或等于 0.5,则预测为正类;若输出概率小于 0.5,则预测为负类。那么,如果将阈值 0.5 提高,例如 0.6,大于或等于 0.6 的才预测为正类,则精确率(Precision)和召回率(Recall)会发生什么变化?( )
A:对 B:错
答案:对
A:概率型线性回归 B:非概率性线性回归 C:概率型非线性回归 D:非概率型非线性回归
A:影响因素分析 B:校正混杂因素 C:预测 D:其余选项都是
A:回归和分类都是有监督学习问题。 B:回归问题和分类问题都有可能发生过拟合。 C:输出变量为有限个离散变量的预测问题是回归问题;输出变量为连续变量的预测问题是分类问题。 D:一般来说,回归不用在分类问题上,但是也有特殊情况,比如Logistic回归可以用来解决0/1分类问题。
A:召回率(Recall)增大。 B:召回率(Recall)减小或者不变。 C:精确率(Precision)减小。 D:精确率(Precision)增大或者不变。
温馨提示支付 ¥3.00 元后可查看付费内容,请先翻页预览!