邏輯迴歸是解決分類問題的最常用算法，不過常常也讓人摸不著頭腦。下面10道題帶你簡單瞭解邏輯迴歸算法背後的“邏輯”。
邏輯迴歸模型
1.邏輯迴歸是監督機器學習的算法嗎？
答案：是。邏輯迴歸之所以是監督機器學習的算法，原因在於它使用了真值對數據進行訓練。監督機器學習訓練模型時會有輸入變量X和目標變量Y。
2.邏輯迴歸主要用來做迴歸嗎？
答案：錯。邏輯迴歸是分類算法，不要被它的名字給迷惑了。
3.能否使用神經網絡算法設計一個邏輯迴歸算法？
答案：可以。神經網絡是一個通用的逼近算法，所以它可以實現線性迴歸。
4.邏輯迴歸中可以用以下哪種方法來調整數據？A.最小二乘法 B最大似然估計 C.傑卡德距離 C.A和B
答案：B.邏輯迴歸使用最大似然估計來訓練迴歸模型。
5.類似於線性迴歸的R-squared，判斷邏輯迴歸表現的一個方法是AIC，那麼AIC的值是越大越好還是越小越好？
答案：AIC最小的邏輯迴歸模型最佳。
6.在訓練邏輯迴歸模型之前，對特徵進行標準化是必須的嗎？
答案：非必須。特徵標準化的主要目的是實現模型的最優化。
7.哪種算法可以用於變量選擇？
答案：LASSO。LASSO使用的是絕對懲罰，在增加懲罰項的情況下，一些變量的係數可能變為0。
8.下面3幅散點圖是包含決策邊界的邏輯迴歸模型，哪一幅圖的決策邊界過擬合了訓練數據？
答案：C。不平滑的決策邊界過擬合了數據。
9.上圖中哪一個決策邊界的正則化值最大？
答案：A。更大的正則化的值意味著懲罰更大，模型更簡單。
10.下圖是3個邏輯迴歸模型的AUC-ROC曲線。不同的顏色表示不同的超參值，哪一個會產生最佳的結果？
答案：黃色曲線。最佳的分類是曲線下面積最大的一個。
參考資料：www.analyticsvidhya.com
分享到:
