目录
3、线性可分的两类点在SVM分类超平面上的投影仍然线性可分吗?
1、LR相比线性回归,有何异同?
LR是分类问题,线性回归是回归问题
LR的因变量是离散的,线性回归的因变量是连续的
它们都使用了梯度下降法和极大似然估计法来建模求解
2、决策树有哪些常用的启发函数?
ID3 最大信息增益
C4.5 信息增益比
CART GINI
3、线性可分的两类点在SVM分类超平面上的投影仍然线性可分吗?
不可分,很容易想到。
4、证明存在一组参数使得高斯核SVM的训练误差为0?
确实存在
5、LR处理多标签分类问题
如果1个样本只对应1个分类,那么使用多项LR就可以。
如果1个样本对应多个分类,那么训练n个二分LR分类器(n是分类的个数)
6、如何对于决策树进行剪枝?
预剪枝
后剪枝
7、误差为0的SVM的分类器一定存在?
一定至少有一个解可以保证这样的分类器存在