机器学习课后习题 --- 逻辑回归

这篇具有很好参考价值的文章主要介绍了机器学习课后习题 --- 逻辑回归。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

(一)单选题

1.一监狱人脸识别准入系统用来识别待进入人员的身份,此系统一共包括识别4种不同的人员:狱警,小偷,送餐员,其他。下面哪种学习方法最适合此种应用需求:
A:二分类问题                                                   B:多分类问题
C:回归问题                                                      D:聚类问题
 

2.以下关于分类问题的说法错误的是? 
A:分类属于监督学习
B:分类问题输入属性必须是离散的
C:多分类问题可以被拆分为多个二分类问题
D:回归问题在一定条件下可被转化为多分类问题
 

3.以下关于逻辑回归与线性回归问题的描述错误的是()
 A:逻辑回归用于处理分类问题,线性回归用于处理回归问题
B:线性回归要求输入输出值呈线性关系,逻辑回归不要求
C:逻辑回归一般要求变量服从正态分布,线性回归一般不要求                                                       D:线性回归计算方法一般是最小二乘法,逻辑回归的参数计算方法是似然估计法。
 
4.以下关于sigmoid函数的优点说法错误的是?
A:函数处处连续,便于求导
B:可以用于处理二分类问题
C:在深层次神经网络反馈传输中,不易出现梯度消失
D:可以压缩数据值到[0,1]之间,便于后续处理
 

5.逻辑回归的损失函数是哪个?
A:MSE                                         B:交叉熵(Cross-Entropy)损失函数
C:MAE                                         D:RMSE
 

6.下面哪一项不是Sigmoid的特点?
A:当σ(z)大于等于0.5时,预测 y=1
B:当σ(z)小于0.5时,预测 y=0
C:当σ(z)大于0.5时,预测 y=-1
D:σ(z)的范围为(0,1)
 

7.下列哪一项不是逻辑回归的优点?
A:处理非线性数据较容易
B:模型形式简单
C:资源占用少
D:可解释性好
 

8.假设有三类数据,用OVR方法需要分类几次才能完成?
A:1
B:2
C:3
D:4
 

9.以下哪些不是二分类问题?
A:根据肿瘤的体积、患者的年龄来判断良性或恶性?
B:或者根据用户的年龄、职业、存款数量来判断信用卡是否会违约?
C:身高1.85m,体重100kg的男人穿什么尺码的T恤
D:根据一个人的身高和体重判断他(她)的性别。
 

10.逻辑回归通常采用哪种正则化方式?
 A:Elastic Net
B:L1正则化
C:L2正则化
D:Dropout正则化
 

11.假设使用逻辑回归进行多类别分类,使用 OVR 分类法。下列说法正确的是?
A:对于 n 类别,需要训练 n 个模型
B:对于 n 类别,需要训练 n-1 个模型
C:对于 n 类别,只需要训练 1 个模型
D:以上说法都不对
 

12.你正在训练一个分类逻辑回归模型。以下哪项陈述是正确的?选出所有正确项
A:将正则化引入到模型中,总是能在训练集上获得相同或更好的性能
B:在模型中添加许多新特性有助于防止训练集过度拟合
C:将正则化引入到模型中,对于训练集中没有的样本,总是可以获得相同或更好的性能
D:向模型中添加新特征总是会在训练集上获得相同或更好的性能
 

(二)多选题

1.以下哪项陈述是正确的?选出所有正确项( )
A:在构建学习算法的第一个版本之前,花大量时间收集大量数据是一个好主意。
B:逻辑回归使用了Sigmoid激活函数
C:使用一个非常大的训练集使得模型不太可能过拟合训练数据。
D:如果您的模型拟合训练集,那么获取更多数据可能会有帮助。
 

2.下面哪些是分类算法?
A:根据肿瘤的体积、患者的年龄来判断良性或恶性?
B:根据用户的年龄、职业、存款数量来判断信用卡是否会违约?
C:身高1.85m,体重100kg的男人穿什么尺码的T恤?
D:根据房屋大小、卫生间数量等特征预估房价
 

(三)判断题

1.逻辑回归的激活函数是Sigmoid。
 答案: 【正确】

2.逻辑回归分类的精度不够高,因此在业界很少用到这个算法
答案: 【错误】

3.Sigmoid函数的范围是(-1,1)
答案: 【错误】

4.逻辑回归的特征一定是离散的。
答案: 【错误】

5.逻辑回归算法资源占用小,尤其是内存。
答案: 【正确】

6.逻辑回归的损失函数是交叉熵损失
答案: 【正确】
 文章来源地址https://www.toymoban.com/news/detail-693673.html

到了这里,关于机器学习课后习题 --- 逻辑回归的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 《人工智能》第三版 第一章 概述 课后习题

    第一章 讨论题 1.你如何定义人工智能? 人工智能利用计算机和机器模仿人类大脑解决问题和决策的能力 2.区分强人工智能和弱人工智能。 区分强人工智能和弱人工智能的关键在于它们的功能和应用范围:强人工智能能够执行任何人类智能任务,而弱人工智能则专注

    2024年01月25日
    浏览(46)
  • 人工智能基础_机器学习001_线性回归_多元线性回归_最优解_基本概念_有监督机器学习_jupyter notebook---人工智能工作笔记0040

       线性和回归,就是自然规律,比如人类是身高趋于某个值的概率最大,回归就是通过数学方法找到事物的规律. 机器学习作用: 该专业实际应用于机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序

    2024年02月06日
    浏览(52)
  • 解密人工智能:线性回归 | 逻辑回归 | SVM

    前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。 机器学习算法是一种基于数据和经验的算法,通过对大量数据的学习和分析,自动发现数据中的模式、规律和关联,并利用这些模式和规律来进行预测、分类或优化

    2024年01月20日
    浏览(49)
  • 一文详解人工智能:线性回归、逻辑回归和支持向量机(SVM)

    在人工智能领域,线性回归、逻辑回归和支持向量机是常见的机器学习算法。本文将详细介绍这三种算法的原理和应用,并提供相应的代码示例。 线性回归是一种用于建立变量之间线性关系的回归分析方法。它通过拟合一个线性模型来预测连续变量的值。线性回归的目标是找

    2024年02月03日
    浏览(47)
  • 【深入探究人工智能】逻辑函数|线性回归算法|SVM

    🎉博客主页:小智_x0___0x_ 🎉欢迎关注:👍点赞🙌收藏✍️留言 🎉系列专栏:小智带你闲聊 🎉代码仓库:小智的代码仓库 机器学习算法是一种基于数据和经验的算法,通过对大量数据的学习和分析,自动发现数据中的模式、规律和关联,并利用这些模式和规律来进行预测

    2024年02月08日
    浏览(57)
  • 【人工智能】— 逻辑回归分类、对数几率、决策边界、似然估计、梯度下降

    考虑二分类问题,其中每个样本由一个特征向量表示。 直观理解:将特征向量 x text{x} x 映射到一个实数 w T x text{w}^Ttext{x} w T x 一个正的值 w T x text{w}^Ttext{x} w T x 表示 x text{x} x 属于正类的可能性较高。 一个负的值 w T x text{w}^Ttext{x} w T x 表示 x text{x} x 属于负类的可能性

    2024年02月09日
    浏览(46)
  • 机器学习(周志华)课后习题

    1.1 表1.1若只包含编号1和4的两个样例,试给出相应的版本空间。 版本空间:与训练及一致的假设集合。 1.2 求假设空间的大小 析合范式:先合取再析取的范式; 1.3 归纳偏好的设计 归纳偏好:机器学习算法对某种类型假设的偏好; 1.4 “没有免费的午餐定理”拓展证明 1.5 机

    2024年02月07日
    浏览(34)
  • 机器学习_数据升维_多项式回归代码_保险案例数据说明_补充_均匀分布_标准正太分布---人工智能工作笔记0038

    然后我们再来看一下官网注意上面这个旧的,现在2023-05-26 17:26:31..我去看了新的官网, scikit-learn已经添加了很多新功能,     我们说polynomial多项式回归其实是对数据,进行 升维对吧,从更多角度去看待问题,这样 提高模型的准确度. 其实y=w0x0+w1x1.. 这里就是提高了这个x的个数对吧

    2024年02月06日
    浏览(44)
  • 机器学习课后习题 --- 朴素贝叶斯

    1.假设会开车的本科生比例是15%,会开车的研究生比例是23%。若在某大学研究生占学生比例是20%,则会开车的学生是研究生的概率是多少? A:80% B:16.6% C:23% D:15%   2.下列关于朴素贝叶斯的特点说法错误的是() A:朴素贝叶斯模型发源于古典数学理论,数学基础坚实 B:朴素贝叶斯

    2024年02月10日
    浏览(40)
  • 机器学习实战 第2章监督学习 课后习题

    目录 第二章 监督学习 2. 使用不同的超参数,如kernel=\\\"linear\\\"和kernel=“rbf”,尝试一个支持向量机回归器。并思考最好的SVR预测器是如何工作的? [代码]3. 为MNIST数据集构建一个分类器,并在测试集上达成超过97%的精度 3. 为MNIST数据集构建一个分类器,并在测试集上达成超过

    2024年02月09日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包