Эта страница переведена с помощью Cloud Translation API. Логистическая регрессия: проверьте свои знания Вернуться к курсу Почему результаты модели линейной регрессии плохо предсказывают вероятность? Он имеет только один вес для каждой функции. Он имеет только одно выходное значение. Параметр смещения искажает выходное значение. Его предсказания не ограничиваются значениями от 0 до 1. Правда или ложь: сигмовидная функция никогда не выводит значение 0 или значение 1. Истинный ЛОЖЬ Верно или неверно: применение регуляризации менее важно при обучении моделей логистической регрессии, чем при обучении моделей линейной регрессии. Истинный ЛОЖЬ Какой из следующих вариантов соответствует как линейной регрессии, так и логистической регрессии с соответствующими функциями потерь для расчета потерь? Линейная регрессия: среднеквадратическая ошибка Логистическая регрессия: среднеквадратическая ошибка Линейная регрессия: среднеквадратическая ошибка Логистическая регрессия: средняя абсолютная ошибка Линейная регрессия: среднеквадратическая ошибка Логистическая регрессия: потери журнала Линейная регрессия: потеря журнала Логистическая регрессия: среднеквадратическая ошибка Что из перечисленного является эффективным методом регуляризации для моделей логистической регрессии? Регуляризация отсева Поздняя остановка Ранняя остановка Градиентный спуск Отправить ответы error_outline При определении оценки по тесту произошла ошибка. Повторите попытку.