A.只要有数据的题目,就一定可进行线性回归建模
B.为了初步估计可能的模型形式,经常可以先绘制散点图,并观测散点分布是否有线性特征,再确定能否进行线性回归建模
C.先计算下线性相关系数,通过相关系数,数据之间存在较强线性性时,再进行线性回归建模
D.数据类建模问题中,一般首先考虑是否能进行线性回归建模,当线性回归确实不合适时,再考虑非线性回归建模或其它建模方法
第1题
A、只要有数据的题目,就做线性回归
B、先画个散点图,通过观测,散点分布有线性特征,再进行线性回归建模
C、先计算下线性相关系数,通过相关系数,数据之间存在较强线性性时,再进行线性回归建模
D、数据类建模问题中,一般首先考虑是否能进行线性回归建模,当线性回归确实不合适时,再考虑非线性回归建模或其它建模方法
第2题
A、针对分类的可能性进行建模,不仅能预测出类别,还可以得到属于该类别的概率。
B、直接对分类的可能性进行建模,无需事先假设数据分布,这样就避免了假设分布不准确所带来的问题。
C、模型本质仍然是一个线性模型,实现相对简单。
D、逻辑斯蒂回归模型是线性回归模型
第3题
A、在预测建模中,学习者的历史数据用于生成特征之间的关系模型,线性回归、逻辑回归、最近邻分类、决策树、贝叶斯网络、支持向量机、神经网络、遗传算法等都是预测建模的方法
B、多模态学习分析会分析包括由在线系统捕获的传统的日志文件数据,以及学习过程中更自然的人类信号数据,如手势、凝视、语音或书写
C、情绪分析可以通过教学活动中学生面部表情进行情绪判断和分析,也可以通过对学生在线论坛中文字信息里体现的情绪进行分析
D、眼跟踪技术可以用于多模态学习分析,例如捕捉学生观察屏幕上内容的变化过程对学习过程进行分析
第4题
A、线性回归可用来分析不同变量之间存在的线性关系
B、线性回归可用来进行分析预测,即给定一个变量的取值,去预测另外一个变量的取值
C、线性回归模型的训练是一种非监督学习方法
D、线性回归模型的训练优化目标是最小化残差平方和的均值
第5题
线性回归模型中,对于拟合优度描述正确的是:
A、拟合优度取值范围为[0,1]
B、在线性回归模型中,一般拟合优度越接近1,说明模型拟合效果越好,回归越显著
C、拟合优度通常等于回归平方和与总体平方和的比值
D、在线性回归模型中,一般拟合优度越接近0,说明模型拟合效果越好,回归越显著
第8题
B.如果模型的R2很低,可以认为此模型的质量较差
C.如果某一参数不能通过显著性检验,应该剔除该解释变量
D.如果某--参数不能通过显著性检验,不应该随便剔除该解释变量
第9题
在一元线性回归模型中,对于模型中的,以下描述正确的有:
A、是随机误差项,一般来说,它是一个服从均值为0的正态分布的随机变量,这是常称作白噪声
B、regress命令中第五个输出项stats中给出了残差项的方差的估计
C、是随机误差项,有时它也可能是一个服从均值为0的非正态分布的随机变量,这是常称作有色噪声
D、作为随机误差一般是在数据进行采样检测过程中,由许多人为无法控制因素造成的,是客观存在的
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!