机器学习——逻辑回归

逻辑回归测试笔记

1、正则化越弱，模型参数越大，模型越复杂。（对）

2、逻辑回归的损失函数与极大似然估计具有等价性。（对）

3、正则化是通过惩罚模型的参数来实现的，即惩罚大的权重值

4、sklearn中封装的逻辑回归类，通过C/c参数来控制模型的正则化强度

5、原始的逻辑回归算法处理的是二分类问题 （对）

6、用sigmoid函数将逻辑回归的输出值映射到0到1之间。

7、逻辑回归在训练阶段求解模型参数一般采用迭代算法求解。（对）

8、sklearn中的StandardScaler类的作用是对数据进行标准化/标准化处理

9、逻辑回归是一种高级的回归算法 （错）

10、函数accuracy_score用来计算模型在特定数据上的分类准确率

11、sklearn中封装的分类器对象一般通过fit成员函数的调用完成模型的训练。

12、sklearn中封装的逻辑回归分类器在 linear_model模块中，类名为 LogisticRegression

13、正则化越强，模型参数越小，模型越简单。

14、以下哪个说法是不正确的？
A、逻辑回归模型的求解需要学习率作为参数
B、逻辑回归的分类结果一定比感知器好
C、逻辑回归的一个优点时可输出分类结果的可能性
D、逻辑回归模型的参数数量和样本特征数量有关

（模型没有绝对的好坏之分，要结合具体任务和数据来评判模型）

15、sklearn库自带的数据集对应的模块名是 datasets

16、以下哪个说法是正确的？
A、逻辑回归采用交叉熵作为损失函数
B、逻辑回归采用MSE作为损失函数
C、逻辑回归模型参数可以用正规方程直接求出
D、逻辑回归采用错分样本数量作为损失函数

17、sklearn库中用来进行数据集划分的函数名是 train_test_split

18、正则化的目的是防止模型过拟合

19、sklearn中封装的逻辑回归类，控制正则化强度的参数越大，则模型越复杂

20、针对一个样本，逻辑回归的输出结果是一个数值，并且在0到1之间。（对）

21、模型过拟合的表现是模型能在训练数据集上效果非常好，但是在测试数据集上效果不好

22、复杂的模型不容易过拟合 （错）