题目内容
（请给出正确答案）
[单选题]
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
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
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
如果结果不匹配，请 联系老师 获取答案
更多“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…”相关的问题
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。”
