Questa pagina è stata tradotta dall'API Cloud Translation. Regressione logistica: verifica le tue conoscenze Torna al percorso Perché l'output di un modello di regressione lineare è un predittore della probabilità scadente? Ha un solo peso per caratteristica. Ha un solo valore di output. Il parametro bias disallinea il valore di output. Le sue previsioni non si limitano a valori compresi tra 0 e 1. Vero o falso: una funzione sigmoidea non restituisce mai il valore 0 o il valore 1. True False Vero o falso: l'applicazione della regolarizzazione è meno importante quando si addestrano i modelli di regressione logistica che lo è per l'addestramento di modelli di regressione lineare. True False Quale delle seguenti opzioni associa la regressione lineare e la regressione logistica alle funzioni di perdita appropriate per calcolare la perdita? Regressione lineare: errore quadratico medio Regressione logistica: errore quadratico medio Regressione lineare: errore quadratico medio Regressione logistica: errore assoluto medio Regressione lineare: errore quadratico medio Regressione logistica: perdita logaritmica Regressione lineare: perdita logaritmica Regressione logistica: errore quadratico medio Quale delle seguenti è una tecnica di regolarizzazione efficace per i modelli di regressione logistica? Regolarizzazione abbandono Interruzione tardiva Interruzione anticipata Discendenza sfumatura Invia risposte error_outline Si è verificato un errore durante la valutazione del quiz. Riprova.
