第351章 布丁[第1页/共2页]

模型？为甚么？（A.线性回归 B.逻辑回归 C.聚类 D.关联法则发掘）你的挑选：逻辑回归你的解释：逻辑回归是一种遍及利用于分类题目的机器学习算法。在这个环境下，我们的目标是瞻望学习成绩是否进步，这是一个二分类题目，即学习成绩进步或不进步。逻辑回归能够用来建立一个概率模型，按照给定的特性值（GPA、TUC和PSI），计算出学天生绩进步的概率。逻辑回归模型的输出是一个概率值，表示学天生绩进步的能够性。这使得我们能够按照门生的特性值停止瞻望，并判定他们学习成绩是否会进步。别的，逻辑回偿还能够供应每个特性的权重系数，帮忙我们了解各个特性对学天生绩的影响程度。线性回归 (A.线性回归) 也可用于这个题目，但它更合用于持续数值型的目标变量的瞻望，而不是二分类题目。聚类 (C.聚类) 是无监督学习体例，分歧用于这个环境。关联法则发掘 (D.关联法则发掘) 凡是用于发明数据中的频繁项集和关联干系，不太适合用于瞻望学天生绩的题目。是以，在给出的选项中，挑选利用逻辑回归模型（B.逻辑回归）是合适的，它能够用于瞻望门生学习成绩是否会进步，并体味GPA、TUC和PSI对学天生绩的影响程度。4、K-means算法在给定命据集上运转第一次后的成果为，数据集分为三个簇： cluster1： (1, 3)、 (2,4)；cluster2： (4, 0) 、(2, 0)；cluster3 ：(0, 3)、 (0, 5)。样本(0, 3)和cluster2的质心之间的曼哈顿间隔为：你的答案：5你的计算过程：Cluster2的质心：(4+2)/2=3；0样本的坐标是 (0, 3)，Cluster 2 的质心是 (3, 0)。将给定的点代入公式，我们有：d = |3 - 0| + |0 - 3|= |3| + |-3|= 3 + 3= 6。

PSI为分类数据，取1表示接管了新的讲授体例指导，0表示没有接管新的讲授体例指导；GPA表示门生均匀积分点，为数值型数据；TUC表示以往的学天生绩，为数值型数据。假定，想体味GPA、TUC和PSI对学天生绩是否有影响，以及瞻望门生学习成绩是否会进步，你会挑选下述用哪个。

喜好离语请大师保藏：离语小说网更新速率全网最快。

。。

1Bagging（包装法）：上风：Bagging通过随机有放回地对练习数据停止采样，每个基分类器独立练习，然后通过投票或均匀等体例停止集