BAT机器学习面试1000题(626~630题)


626题

以下哪种方法能最佳地适应逻辑回归中的数据?

A、Least Square Error

B、Maximum Likelihood

C、Jaccard distance

D、Both A and B

正确答案是: B

解析:

Logistic Regression使用可能的最大似然估值来测试逻辑回归过程。

627题

在逻辑回归输出与目标对比的情况下,以下评估指标中哪一项不适用?

A、AUC-ROC

B、准确度

C、Logloss

D、均方误差

正确答案是:D

解析:

因为Logistic Regression是一个分类算法,所以它的输出不能是实时值,所以均方误差不能用于评估它。

628题

如下逻辑回归图显示了3种不同学习速率值的代价函数和迭代次数之间的关系(不同的颜色在不同的学习速率下显示不同的曲线)。

1.jpg


为了参考而保存图表后,忘记其中不同学习速率的值。现在需要曲线的倾斜率值之间的关系。以下哪一个是正确的?

注:

1.蓝色的学习率是L1

2.红色的学习率是L2

3.绿色学习率为lL3

A、L1> L2> L3

B、L1 = L2 = L3

C、L1

D、都不是

正确答案是:C

解析:

答案:C如果学习速率低下,代价函数将缓慢下降,学习速度过高,则其代价函数会迅速下降。

629题

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

解析:

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。有关更多信息,请参阅此来源:www4.ncsu.edu/~shu3/Presentation/AIC.pdf

630题

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

解析:

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。

题目来源:七月在线官网(https://www.julyedu.com/)——面试题库——笔试练习——机器学习
已邀请:

要回复问题请先登录注册

返回顶部