Diese Seite wurde von der Cloud Translation API übersetzt. Logistische Regression: Testen Sie Ihr Wissen Zurück zum Lernpfad Warum ist die Ausgabe eines linearen Regressionsmodells ein schlechter Prädiktor für die Wahrscheinlichkeit? Es gibt nur eine Gewichtung pro Element. Es gibt nur einen Ausgabewert. Der Bias-Parameter verzerrt den Ausgabewert. Die Vorhersagen sind nicht auf Werte zwischen 0 und 1 beschränkt. Richtig oder falsch: Eine Sigmoidfunktion gibt niemals den Wert 0 oder den Wert 1 aus. Wahr Falsch Richtig oder falsch: Die Anwendung der Regularisierung ist beim Training logistischer Regressionsmodelle weniger wichtig als beim Trainieren linearer Regressionsmodelle. Wahr Falsch Welche der folgenden Optionen entspricht der linearen und der logistischen Regression mit geeigneten Verlustfunktionen für die Verlustberechnung? Lineare Regression: Mittlerer quadratischer Fehler Logistische Regression: Mittlere quadratische Abweichung Lineare Regression: Mittlerer quadratischer Fehler Logistische Regression: Mittlerer absoluter Fehler Lineare Regression: Mittlerer quadratischer Fehler Logistische Regression: Logverlust Lineare Regression: Logverlust Logistische Regression: Mittlerer quadratischer Fehler Welche der folgenden Methoden ist eine effektive Regularisierungstechnik für logistische Regressionsmodelle? Dropout-Regularisierung Verspätetes Beenden Vorzeitiges Beenden Gradientenabstieg Antworten senden error_outline Beim Bewerten des Quiz ist ein Fehler aufgetreten. Bitte versuchen Sie es noch einmal.