机器学习面试题库:81-90题(9ay)

选择正确的多项式次数在回归拟合中扮演重要角色,如果选择的次数太高,过拟合的可能性将大大提高。

假设有三个类(123),1:23、2:13、3:12共三种分法。有n个类就有n个1:rest模型。


Sigmoid函数用于转换输出结果,使之落在逻辑回归区间[0,1]内。

残差总是为正的,BD不正确。因此回归的残差之和一般情况总是大于为零,故而平均值也大于零。因为模型很少情况下做到完全拟合,A不正确。

单单R方不能表示变量显著性,因为每次加入一个特征值,R方都会上升或维持不变。但在“调整R方”的情况下这也有误(如果特征值显著的话,调整R方会上升)。

如果测试数据无干扰,则测试误差可能为零。换言之,如果测试数据是训练数据的典型代表,测试误差即为零,但这种情况并不总是出现。

相关系数的范围是[-1,1],-1.09是不可能的。

逻辑回归是用于分类问题的。

为了检验连续变量的线性关系,散点图是最好的选择,可以看出一个变量如何关于另一个变量变化。散点图反映两个定量变量之间的关系。
本文精选了81-90题机器学习面试题,深入解析选择多项式次数的重要性,探讨Sigmoid函数在逻辑回归中的应用,揭示残差、R方及调整R方的误区,分析测试误差与数据干扰的关系,解释相关系数的有效范围,最后强调散点图在检验连续变量线性关系中的关键作用。
1141

被折叠的 条评论
为什么被折叠?



