3、下面关于分类和回归的说法中,正确 的是:
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
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1题
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.多元线性回归模型中包含两个或着两个以上的自变量
B.多元线性回归模型对应高维空间中的一个超平面
C.多元线性回归中的因变量和自变量是线性关系
D.多元线性回归模型可能对应一个曲面
第5题
A.逻辑斯蒂回归可直接在数据原始空间进行分类,线性区别分析需要在降维所得空间中进行分类
B.逻辑斯蒂回归和线性区别分析都是直接在数据原始空间进行分类
C.逻辑斯蒂回归在降维所得空间中进行分类,线性区别分析在数据原始空间进行分类
D.以上都不正确
第6题
A.逻辑斯蒂回归可直接在数据原始空间进行分类,线性区别分析需要在降维所得空间中进行分类
B.逻辑斯蒂回归和线性区别分析都是直接在数据原始空间进行分类
C.逻辑斯蒂回归在降维所得空间中进行分类,线性区别分析在数据原始空间进行分类
D.以上都不正确
第7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8题
A.线性回归的输出是离散的分类结果
B.线性回归是一种有监督学习算法
C.线性回归模型能够通过梯度下降策略训练
D.线性回归能够求解直线(或超平面)拟合问题
第9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。
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!