10道题带你了解逻辑回归模型

逻辑回归是解决分类问题的最常用算法，不过常常也让人摸不着头脑。下面10道题带你简单了解逻辑回归算法背后的“逻辑”。

逻辑回归模型

1.逻辑回归是监督机器学习的算法吗？

答案：是。逻辑回归之所以是监督机器学习的算法，原因在于它使用了真值对数据进行训练。监督机器学习训练模型时会有输入变量X和目标变量Y。

 

2.逻辑回归主要用来做回归吗？

答案：错。逻辑回归是分类算法，不要被它的名字给迷惑了。

 

3.能否使用神经网络算法设计一个逻辑回归算法？

答案：可以。神经网络是一个通用的逼近算法，所以它可以实现线性回归。

 

4.逻辑回归中可以用以下哪种方法来调整数据？

A.最小二乘法 B最大似然估计 C.杰卡德距离 

答案：B.逻辑回归使用最大似然估计来训练回归模型。

 

5.类似于线性回归的R-squared，判断逻辑回归表现的一个方法是AIC，那么AIC的值是越大越好还是越小越好？

答案：AIC最小的逻辑回归模型最佳。

 

6.在训练逻辑回归模型之前，对特征进行标准化是必须的吗？

答案：非必须。特征标准化的主要目的是实现模型的最优化。

 

7.哪种算法可以用于变量选择？

答案：LASSO。LASSO使用的是绝对惩罚，在增加惩罚项的情况下，一些变量的系数可能变为0。

 

8.下面3幅散点图是包含决策边界的逻辑回归模型，哪一幅图的决策边界过拟合了训练数据？

答案：C。不平滑的决策边界过拟合了数据。

 

9.上图中哪一个决策边界的正则化值最大？

答案：A。更大的正则化的值意味着惩罚更大，模型更简单。

 

10.下图是3个逻辑回归模型的AUC-ROC曲线。不同的颜色表示不同的超参值，哪一个会产生最佳的结果？

答案：黄色曲线。最佳的分类是曲线下面积最大的一个。

参考资料：www.analyticsvidhya.com