Lasso没有闭式解。L1惩罚值使得解为非线性，所以需要估算答案。如果需要了解更多闭式解的知识，请参看这个链接（~tibs/sta305files/Rudyregularization.pdf）。

　　40

　　考察这个数据集

　　删除哪个粗体点对拟合的回归线具有最大的影? 响如上图虚线所示

　　A) a

　　B) b

　　C) c

　　D) d

　　答案：D

　　线性回归对数据中的异常值比较敏感。虽然c也是给定数据空间中的异常值，但它是接近回归线（残差较小），所以它不会影响太大。

　　41

　　在一个简单的线性回归模型（一个独立变量）中，如果我们将输入变量改变1个单位。输出变量将如何变化？

　　A: 变化1

　　B. 不变

　　C.变化为截距

　　D. 变化为斜率

　　答案: D

　　简单线性回归方程表达式为：Y=a+bx。现在我们将x增加1，那么y值将为a+b(x+1)，也就是说y的增加量等于b。

　　42

　　逻辑回归的输出概率在[0,1]的范围内。逻辑回归使用以下哪个函数来实现概率转换？

　　A. Sigmoid

　　B. 求模

　　C. 平方

　　D. 机率单位

　　答案：A

　　Sigmoid函数用于在逻辑回归中把输出概率转换到[0,1]范围之间。

　　43

　　关于在线性回归和逻辑回归中的成本函数关于权重/系数的偏导数，下面的陈述是真实的？

　　A. 两者不同

　　B. 两者相同

　　C. 无法判断

　　D. 以上皆非

　　答案：B

　　参看该链接。（https://feature-space.com/2011/10/28/logistic-cost-function-derivative/）

　　44

　　假设我们使用Logistic回归模型分析n类分类问题。在这种情况下，我们可以使用留一法（One-vs-rest method）。关于这个问题，下面哪个选项是正确的？

　　A. 我们需要在n类分类问题中拟合n个模型。

　　B. 我们需要在n类分类问题中拟合n-1个模型。

　　C. 我们需要在n类分类问题中拟合1个模型。

　　D. 以上皆非

　　答案：A

　　如果有n项，那么需要n个单独的逻辑回归去拟合，其中每组的概率是需要在剩余其他组合中去拟合的。例如，对于一个3项(-1,0,1)分类器，那就需要训练3个逻辑回归分类器。

　　1. -1 vs 0 and 1

　　2. 0 vs -1 and 1

　　3. 1 vs 0 and -1

　　45

　　一下是两个不同的逻辑回归模型，具有不同的β0和β1值。

　　下面关于这两个不同逻辑回归模型的β0和β1，哪个（些）说法是正确的？

　　注意：设Y = β0 + β1*X，其中β0是截距，β1是系数。

　　A. 绿色模型的β1比黑色的大。

　　B. 绿色模型的β1比黑色的小。

　　C.绿色模型的β1和黑色的一样。

　　D. 无法判断。

　　答案：B

　　黑色模型：β0 = 0, β1 = 1，绿色模型：β0 = 0, β1 = ?1

　　结束语

　　希望大家能够喜欢此次测试，并能够从中获益。此次测试的重点在于回归的概念和运用技术。

　　我们试图通过此文来解答您的疑问，不过如果有错误的话，请在留言中指出。如果您还有任何关于改进的建议，请不吝指出，我们会在下次测试题集中加以完善。

　　您可以测试一下知识和技巧，请点击在线竞赛，与全球的数据科学家较量一番吧（https://datahack.analyticsvidhya.com/contest/all/）。