邏輯回歸模型
1.邏輯回歸是監督機器學習的演算法嗎？
答案：是。 邏輯回歸之所以是監督機器學習的演算法， 原因在於它使用了真值對資料進行訓練。 監督機器學習訓練模型時會有輸入變數X和目標變數Y。
2.邏輯回歸主要用來做回歸嗎？
答案：錯。 邏輯回歸是分類演算法， 不要被它的名字給迷惑了。
3.能否使用神經網路演算法設計一個邏輯回歸演算法？
答案：可以。 神經網路是一個通用的逼近演算法， 所以它可以實現線性回歸。
4.邏輯回歸中可以用以下哪種方法來調整資料？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.邏輯回歸使用最大似然估計來訓練回歸模型。
5.類似於線性回歸的R-squared， 判斷邏輯回歸表現的一個方法是AIC，
答案：AIC最小的邏輯回歸模型最佳。
6.在訓練邏輯回歸模型之前， 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.哪種演算法可以用於變數選擇？
答案：LASSO。 LASSO使用的是絕對懲罰， 在增加懲罰項的情況下， 一些變數的係數可能變為0。
8.下面3幅散點圖是包含決策邊界的邏輯回歸模型， 哪一幅圖的決策邊界過擬合了訓練資料？
答案：C。
不平滑的決策邊界過擬合了資料。
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個邏輯回歸模型的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