一个月刷完机器学习笔试题300题（18）

第18天

1、分析逻辑回归表现的一个良好的方法是AIC，它与线性回归中的R平方相似。有关AIC，以下哪项是正确的？
A
具有最小AIC值的模型更好
B
具有最大AIC值的模型更好
C
视情况而定
D
以上都不是
正确答案是：A
AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性的一种标准，由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则。
考虑到AIC=2k-2In(L) ，所以一般而言，当模型复杂度提高（k增大）时，似然函数L也会增大，从而使AIC变小，但是k过大时，似然函数增速减缓，导致AIC增大，模型过于复杂容易造成过拟合现象。目标是选取AIC最小的模型，AIC不仅要提高模型拟合度（极大似然），而且引入了惩罚项，使模型参数尽可能少，有助于降低过拟合的可能性。
综上，我们一般选择逻辑回归中最少的AIC作为最佳模型。
2、在训练逻辑回归之前需要对特征进行标准化。
A
是
B
否
正确答案是： B
逻辑回归不需要标准化。功能标准化的主要目标是帮助优化技术组合。
3、选择Logistic回归中的One-Vs-All方法中的哪个选项是真实的。
A
我们需要在n类分类问题中适合n个模型
B
我们需要适合n-1个模型来分类为n个类
C
我们需要只适合1个模型来分类为n个类
D
这些都没有
正确答案是：A
如果存在n个类，那么n个单独的逻辑回归必须与之相适应，其中每个类的概率由剩余类的概率之和确定。
4、使用以下哪种算法进行变量选择？
A
LASSO
B
Ridge
C
两者
D
都不是
正确答案是：A
使用Lasso的情况下，我们采用绝对罚函数，在增加Lasso中罚值后，变量的一些系数可能变为零。
5、以下是两种不同的对数模型，分别为β0和β1。

对于两种对数模型（绿色，黑色）的β0和β1值，下列哪一项是正确的？
注： Y =β0+β1* X。其中β0是截距，β1是系数。
A
绿色的β1大于黑色
B
绿色的β1小于黑色
C
两种颜色的β1相同
D
不能说
正确答案是： B
β0和β1：β0= 0，β1= 1为X1颜色（黑色），β0= 0，β1= -1为X4颜色（绿色）
6、逻辑回归的以下模型：P（y = 1 | x，w）= g（w0 + w1x）其中g（z）是逻辑函数。在上述等式中，通过改变参数w可以得到的P（y = 1 | x; w）被视为x的函数。
A
（0，inf）
B
（-inf，0）
C
（0,1）
D
（-inf，inf）
正确答案是：C
对于从-∞到+∞的实数范围内的x的值。逻辑函数将给出（0,1）的输出。
7、下面是三个散点图（A，B，C，从左到右）和和手绘的逻辑回归决策边界。

上图中哪一个显示了决策边界过度拟合训练数据？
A
A
B
B
C
C
D
这些都没有
正确答案是：C
由于在图3中，决策边界不平滑，表明其过度拟合数据。
8、逻辑回归的以下模型：P（y = 1 | x，w）= g（w0 + w1x）其中g（z）是逻辑函数。
在上述等式中，通过改变参数w可以得到的P（y = 1 | x; w）被视为x的函数。

在上面的问题中，你认为哪个函数会产生（0,1）之间的p？
A
逻辑函数
B
对数似然函数
C
两者的复合函数
D
都不会
正确答案是：A
对于从-∞到+∞的实数范围内的x的值。逻辑函数将给出（0,1）的输出。
9、下面是三个散点图（A，B，C，从左到右）和和手绘的逻辑回归决策边界。

根据可视化后的结果，能得出什么结论？
1.与第二和第三图相比，第一幅图中的训练误差最大。
2.该回归问题的最佳模型是最后（第三个）图，因为它具有最小的训练误差（零）。
3.第二个模型比第一个和第三个更强，它在不可见数据中表现最好。
4.与第一种和第二种相比，第三种模型过度拟合了。
5.所有的模型执行起来都一样，因为没有看到测试数据。
A
1和3
B
1和3
C
1,3和4
D
5
正确答案是：C
图中趋势像是自变量X的二次趋势。更高次方的多项式（右图）可能对训练中的数据群具有超高的精度，但预计在测试数据集上将会严重失败。但是在左图中可以测试最大错误值，因为适合训练数据
10、下面是三个散点图（A，B，C，从左到右）和和手绘的逻辑回归决策边界。

假设上述决策边界是针对不同的正则化（regularization）值生成的。那么其中哪一个显示最大正则化？
A
A
B
B
C
C
D
都具有相同的正则化
正确答案是：A
因为正则化意味着更多的罚值和图A所示的较简单的决策界限。