![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
题目假设你训练SVM后,得到一个线性决策边界,你认为该模型欠拟合。在下次迭代训练模型时,应该考虑()
A.增加训练数据
B.减少训练数据
C.计算更多变量
D.减少特征
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.增加训练数据
B.减少训练数据
C.计算更多变量
D.减少特征
假设你有一个非常大的训练集合,如下机器学习算法中,你觉着有哪些是能够使用map-reduce框架并能将训练集划分到多台机器上进行并行训练的()。
A.逻辑斯特回归(LR),以及随机梯度下降(SGD)
B.线性回归及批量梯度下降(BGD)
C.神经网络及批量梯度下降(BGD)
D.针对单条样本进行训练的在线学习
A.1正确,2错误
B.1和2都错误
C.1和2都正确
D.1错误,2正确
有两个样本点,第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是()
A.2x+y=4
B.x+2y=5
C.x+2y=3
D.2x-y=0
下面数据是依据10对X和Y的观察值得到的:
假定满足所有的经典线性回归模型的假设。求:
(1)β0,β1的估计值及其标准差;
(2)可决系数R2;
(3)对β0,β1分别建立95%的置信区间。利用置信区间法,你可以接受零假设:β1=0吗?
下面数据是依据10组X和Y的观察值得到的:
∑Yi=1110,∑Xi=1680,∑XiYi=204200
假定满足所有的经典线性回归模型的假设。求:
(1)β1和β2?
(2)β1和β2的标准差?
(3) R2?
(4)对β1、β2分别建立95%的置信区间?利用置信区间法,你可以接受零假设:β2=0吗?
表5-13给出了25个职业人群的肺癌死亡指数(100=平均水平)和抽烟指数(100=平均水平)。
a.将肺癌死亡指数相对抽烟指数做描点图,你能观察到什么形式的关系?
b.令y=肺癌死亡指数和X=抽烟指数,估计一个线性回归模型,并得到常用的回归统计量。
c.在α=5%的水平上,检验抽烟对肺癌没有影响的假设。
d.从肺癌死亡率来看,哪个行业的风险较高?你能给出之所以如此的理由吗?
e.有把职业分类明确引进回归分析的办法吗?
利用APPLE.RAW中的数据。这些电话调查数据是为了得到(假想的)“环保”苹果需求。调查者向每个家庭都(随机地)介绍了正常苹果和环保苹果的一组价格,并询问他们愿意购买每种苹果的磅数。
(i)对于样本中的660个家庭,有多少家庭报告称在预定价格上不愿意购买环保苹果?
(ii)变量ecolbs看上去在严格正值上具有连续分布吗?你的回答对ecolbs托宾模型的适当性有何含义?
(iii)以ecoprc、regprc、famic和hhsize作为解释变量,估计一个托宾模型。哪些变量在1%的水平上显著。
(iv)faminc和hhsize联合显著吗?
(v)第(iii)部分中价格变量系数的符号与你的预期一致吗?请解释。
(vi)令β1和β2为ecoprc和regprc的系数,相对一个双侧备择假设,检验假设H0:-β1=β2。报告检验的p值。(如果你的回归软件不能很容易地计算这种检验,你可能还要参考教材4.4节
(vii)对样本中的所有观测求E(ecolbslx)的估计值[见方程(17.25)],称之为ecolbsi。最大和最小拟合值是多少?
(viii)计算ecolbs,和ecolbsi之相关系数的平方。
(ix)现在,利用第(iii)部分中同样的解释变量,估计ecolbs的一个线性模型。为什么OLS估计值比托宾估计值小那么多?从拟合优度来看,托宾模型比线性模型更好吗?
(x)评价如下命题:“由于托宾模型的R,如此之小,所以估计的价格效应可能是不一致的。”