Алгоритм логистической регрессии
A) может быть адаптирован для случая множественной классификации
B) решает только задачу бинарной классификации
ANSWER: A
В модели логистической регресии выход \( h(x) \) есть
A) \( h(x)=sigmoid(\theta^TX) \)
B) \( h(x)=\theta^TX \)
C) \( h(x)=\pm 1 \)
D) \( h(x)=\theta_0+\theta_1x \)
ANSWER: A
Выход модели логистической регрессии имеет вид \( h(x)=sigmoid(\theta^T X) \). Какое из следующих уравнений определяет так называемую "границу решений"?
A) \( \theta^T X =0 \)
B) \( sigmoid(\theta^T X) = 0 \)
C) \( sigmoid(\theta^T X) > 0 \)
D) \( sigmoid(\theta^T X) = 1 \)
ANSWER: A
Как выглядит выход h(x) модели логистической регрессии?
A) \( h(x)=\theta_0+\theta_1 x \)
B) \( h(x)=sigmoid(\theta_0+\theta_1 x) \)
C) \( h(x)=\frac{1}{2m}\sum_{i=1}^n(\theta_0+\theta_1 x_i-y_i)^2 \)
D) \( h(x)= \binom {1, \ \ x \geq 0} {-1,\ x<0} \)
ANSWER: B
Какой из нижеприведенных приемов НЕ является способом борьбы с переобучением?
A) нормализация признаков
B) понижение порядка модели
C) уменьшение числа признаков
D) регуляризация
ANSWER: A
Модель логистической регрессии решает задачу
A) бинарной классификации
B) линейной регрессии
C) множественной линейной регресии
D) нахождения ближайших соседей
ANSWER: A
Решается задача классификации ирисов Фишера. Какой из нижеприведенных методов НЕ подходит для ее решения?
A) линейная регрессия
B) логистическая регрессия
C) метод ближайших соседей
D) взвешенный метод ближайших соседей
E) деревья решения
F) градиентный бустинг
G) метод опорных векторов
ANSWER: A
Что из ниже перечисленных моделей более подвержена явлению переобучения?
A) линейная регрессия
B) гребневая регрессия
C) лассо
D) ElasticNet
ANSWER: A
