หน้านี้ได้รับการแปลโดย Cloud Translation API การถดถอยแบบโลจิสติก: ทดสอบความรู้ของคุณ กลับไปที่เส้นทาง เหตุใดเอาต์พุตของโมเดลการถดถอยเชิงเส้นจึงเป็นตัวคาดการณ์ความน่าจะเป็นที่ไม่ดี ซึ่งมีน้ำหนักเพียง 1 รายการต่อองค์ประกอบ ซึ่งมีค่าเอาต์พุตเพียงค่าเดียว พารามิเตอร์การให้น้ำหนักพิเศษจะทำให้ค่าเอาต์พุตบิดเบือน การคาดคะเนของค่าไม่ได้จำกัดไว้เพียงค่าระหว่าง 0 ถึง 1 จริงหรือเท็จ: ฟังก์ชัน sigmoid จะไม่แสดงค่า 0 หรือค่า 1 จริง เท็จ จริงหรือเท็จ: การใช้การทำให้เป็นมาตรฐานมีความสำคัญน้อยกว่าในการฝึกโมเดลการถดถอยแบบโลจิสติกส์เมื่อเทียบกับการฝึกโมเดลการถดถอยเชิงเส้น จริง เท็จ ตัวเลือกใดต่อไปนี้ตรงกับทั้งการถดถอยเชิงเส้นและการถดถอยแบบโลจิสติกส์ที่มีฟังก์ชันการสูญเสียที่เหมาะสมในการคำนวณการสูญหาย การถดถอยเชิงเส้น: ความคลาดเคลื่อนเฉลี่ยกำลังสอง การถดถอยแบบโลจิสติก: ความคลาดเคลื่อนเฉลี่ยกำลังสอง การถดถอยเชิงเส้น: ความคลาดเคลื่อนเฉลี่ยกำลังสอง การถดถอยแบบโลจิสติก: ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ การถดถอยเชิงเส้น: ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง การถดถอยแบบโลจิสติก: การสูญหายของบันทึก การถดถอยเชิงเส้น: การสูญเสียบันทึก การถดถอยแบบโลจิสติก: ความคลาดเคลื่อนเฉลี่ยกำลังสอง ข้อใดต่อไปนี้คือเทคนิคการกำหนดมาตรฐานที่มีประสิทธิภาพสำหรับโมเดลการถดถอยแบบโลจิสติก การกำหนดกฎสำหรับการยกเลิก การหยุดช้ากว่ากำหนด การหยุดก่อนกำหนด การไล่เฉดสี ส่งคำตอบ error_outline เกิดข้อผิดพลาดขณะให้คะแนนแบบทดสอบ โปรดลองอีกครั้ง
