Cette page a été traduite par l'API Cloud Translation. Régression logistique: testez vos connaissances Revenir au parcours Pourquoi la sortie d'un modèle de régression linéaire est-elle un mauvais prédicteur de probabilité ? Il n'a qu'une seule pondération par caractéristique. Il n'a qu'une seule valeur de sortie. Le paramètre de biais fausse la valeur de sortie. Ses prédictions ne sont pas limitées à des valeurs comprises entre 0 et 1. Vrai ou faux: une fonction sigmoïde ne génère jamais la valeur 0 ni la valeur 1. Vrai Faux Vrai ou faux: L'application d'une régularisation est moins importante pour l'entraînement de modèles de régression logistique que pour l'entraînement de modèles de régression linéaire. Vrai Faux Quelle option correspond à la régression linéaire et à la régression logistique aux fonctions de perte appropriées pour calculer la perte ? Régression linéaire:erreur quadratique moyenne Régression logistique:erreur quadratique moyenne Régression linéaire:erreur quadratique moyenne Régression logistique:erreur absolue moyenne Régression linéaire:erreur quadratique moyenne Régression logistique:perte logistique Régression linéaire:perte logistique Régression logistique:erreur quadratique moyenne Quelle technique de régularisation est efficace pour les modèles de régression logistique ? Régularisation par abandon Arrêt tardif Arrêt prématuré Descente de gradient Envoyer les réponses error_outline Une erreur s'est produite lors de la notation du quiz. Veuillez réessayer.
