在基于数据进行建模时，对线性回归模型描述正确的是：

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

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

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

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

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

A、因变量Y对于未知回归系数是线性

B、因变量Y对于自变量X是线性的

C、模型中允许存在出现这样的项

D、模型中允许存在这样的项

A、因变量Y对于未知回归系数是线性

B、因变量Y对于自变量X是线性的

C、模型中允许存在出现这样的项

D、模型中允许存在这样的项

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

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

在对一元线性回归模型的回归方程进行显著性检验时，使用的统计假设是