Давайте проверим ваши базовые знания логистической регрессии. Предлагаем вам 10 вопросов с несколькими вариантами ответов без ограничений по времени. Развлекайся!
Вопрос 1. Логистическая регрессия используется для ___?
(A) классификация
(B) регрессия
(C) кластеризация
(D) Все эти
Вопрос 2: логистическая регрессия - это алгоритм машинного обучения, который используется для прогнозирования вероятности ___?
(A) категориальной независимой переменной
(B) категориальной зависимой переменной. < br /> (C) числовая зависимая переменная.
(D) числовая независимая переменная.
Вопрос 3: вы прогнозируете, является ли электронное письмо спамом. Основываясь на характеристиках, вы получили оценку вероятности 0,75. Что означает эта предполагаемая вероятность? (выберите два)
(A) вероятность того, что письмо будет спамом, составляет 25%
(B) вероятность того, что письмо будет спамом, составляет 75%
(C ) вероятность того, что письмо не будет спамом, составляет 75%.
(D) Вероятность того, что письмо не будет спамом, составляет 25%.
Вопрос 4. В модели логистической регрессии граница принятия решения может быть ___.
(A) линейная
(B) нелинейная
(C) обе ( A) и (B)
(D) ни один из этих
Вопрос 5. Какова функция затрат логистической регрессии?
(A) Сигмоидная функция
(B) Логистическая функция
(C) и (A), и ( B)
(D) ни один из этих
Вопрос 6: Почему функцию стоимости, которая использовалась для линейной регрессии, нельзя использовать для логистической регрессии?
(A) Линейная регрессия использует среднеквадратичную ошибку в качестве функции стоимости. Если это используется для логистической регрессии, то это будет невыпуклая функция своих параметров. Градиентный спуск сведется к глобальному минимуму, только если функция выпуклая.
(B) Линейная регрессия использует среднеквадратичную ошибку в качестве функции стоимости. Если это используется для логистической регрессии, то это будет выпуклая функция от своих параметров. Градиентный спуск сведется к глобальному минимуму, только если функция выпуклая.
(C) Линейная регрессия использует среднеквадратичную ошибку в качестве функции стоимости. Если это используется для логистической регрессии, то это будет невыпуклая функция своих параметров. Градиентный спуск сведется к глобальному минимуму, только если функция невыпуклая.
(D) Линейная регрессия использует среднеквадратичную ошибку в качестве функции стоимости. Если это используется для логистической регрессии, то это будет выпуклая функция от своих параметров. Градиентный спуск сведется к глобальному минимуму только в том случае, если функция невыпуклая.
Вопрос 7. Вы прогнозируете, является ли электронное письмо спамом. Основываясь на характеристиках, вы получили оценку вероятности 0,75. Что означает эта предполагаемая вероятность? Пороговое значение для различения классов составляет 0,5.
(A) Электронное письмо не является спамом
(B) Электронное письмо является спамом
(C) Не могу определить
(D) и (A), и (B)
Вопрос 8: какова гипотеза логистической регрессии?
(A) для ограничения функции стоимости от 0 до 1
(B) для ограничения функции стоимости от -1 до 1
(C) для ограничения функции стоимости между -infinity и + infinity
(D) для ограничения функции стоимости от 0 до + бесконечности
Вопрос 9: какой из них неверен?
(A) Если мы возьмем взвешенную сумму входных данных в качестве выходных данных, как в случае линейной регрессии, значение может быть больше 1, но мы нужно значение от 0 до 1. Вот почему линейную регрессию нельзя использовать для задач классификации.
(B) Логистическая регрессия - это обобщенная линейная регрессия в том смысле, что мы не выводим взвешенную сумму входных данных напрямую, а передаем ее через функцию, которая может отображать любое реальное значение от 0 до 1.
(C ) Значение сигмовидной функции всегда находится между 0 и 1.
(D) Логистическая регрессия используется для определения значения непрерывной зависимой переменной.
Вопрос 10: в логистической регрессии, если прогнозируемый логит равен 0, какова преобразованная вероятность?
(A) 0
(B) 1
(C) 0,5
(D) 0,05
Решения будут опубликованы в следующей викторине Тест по машинному обучению 05. Удачного обучения. Если вам нравятся вопросы и вам нравится проходить тест, оставьте мне аплодисменты. Не стесняйтесь обсуждать / делиться своими мыслями по этим вопросам в разделе комментариев.
Ответы на Тест по машинному обучению 03: 1 (A), 2 (C), 3 (A), 4 (A), 5 (C), 6 (A), 7 (A, C), 8 (A), 9 (A, D), 10 (C, D)
Использованная литература:
[1] Введение в логистическую регрессию: https://towardsdatascience.com/introduction-to-logistic-regression-66248243c148
[2] Логистическая регрессия - подробный обзор: https://towardsdatascience.com/logistic-regression-detailed-overview-46c4da4303bc
[3] Построение логистической регрессии на Python: https://towardsdatascience.com/building-a-logistic-regression-in-python-301d27367c24
