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)