题目
A.回归通常用于连续变量预测,分类一般用于离散变量预测。
B.分类和回归的区别在于输出变量的类型,因此分类和回归问题不能相互转换,并且同时构成了两大类常见机器学习任务
C.评价分类和回归方法可以使用同样的命中准确度指标
D.决策树算法是分类算法而不是回归算法
第2题
A.逻辑回归(Logistic Regression)不能用于处理二分类问题。
B.有很多场景需要输出的是概率估算值,这时需要将预测输出值控制在[0,1]区间内。
C.二元分类问题的目标是正确预测两个可能的标签中的一个。
D.逻辑回归模型能够确保输出值始终落在0 和1 之间。
第3题
A.Logistic回归实际上是一种分类算法。
B.Logistic回归通常用于处理多分类问题。
C.Logistic回归的损失函数可以选用交叉熵,并且采用梯度下降法调整其中的参数。
D.Logistic回归属于线性回归模型。
第4题
A.Logistic回归实际上是一种分类算法。
B.Logistic回归通常用于处理多分类问题。
C.Logistic回归的损失函数可以选用交叉熵,并且采用梯度下降法调整其中的参数。
D.Logistic回归属于线性回归模型。
第5题
A.具有较高的支持度的项集含有的项目数一定比较小。
B.分类是这样的过程:它找出描述并区分数据类或概念的模型,以便能够使用模型预测类标记未知的对象类。
C.分类和回归都可用于预测,分类的输出是连续数值,而回归的输出是离散的类别值。
D.关联规则挖掘的目的是发现满足最小支持度的所有项集。
第6题
A.回归是一种无监督学习、分类学习是有监督学习
B.在回归分析中,学习得到一个函数将输入变量映射到连续输出空间
C.两者均是学习输入变量和输出变量之间潜在关系模型
D.在分类模型中,学习得到一个函数将输入变量映射到离散输出空间
第9题
A.回归分析可用于估计和预测
B.相关分析是研究变量之间的相互依存关系的密切程度
C.相关分析是回归分析的基础
D.回归分析中自变量和因变量可以互相推导并进行预测
第10题
A.回归分析是分析一个变量与其他一个(或几个)变量之间的线性关系的统计方法
B.回归分析不需要样本训练阶段
C.不可以预测非数据型属性的类别
D.非线性回归问题一般要转化为线性回归
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!