关于 logit 回归和 SVM 不正确的是（）

2075 次浏览
  • A、Logit回归目标函数是最小化后验概率
  • B、Logit回归可以用于预测事件发生概率的大小
  • C、SVM可以实现结构风险最小化
  • D、SVM可以有效避免模型过拟合
小开
答案解析
以二项logit回归为例，其模型为：logit回归的目标函数是对数似然函数 L(w)，故A错误：通过梯度下降法或拟牛顿法最大化目标函数L(w)，从而估计模型参数w的值。朴素贝叶斯算法是最大化后验概率，贝叶斯公式即后验概率公式：P(θ) 是在没有数据支持下，θ 发生的概率：先验概率P(θ|x) 是在数据X的支持下，θ 发生的概率：后验概率p(x|θ) 是给定参数 θ 的概率分布：似然函数logit回归输出的是Y属于某一类的概率，也可以表示某事件发生的概率，B正确。SVM通过寻找使得训练数据尽可能分开且分类间隔最大的超平面实现结构风险最小化，C正确。SVM通过减小惩罚参数C来避免过拟合，因为C越大，分类就越苛刻，越容易过拟合，D正确。
旺仔小秃头
挑战成功
4个月前
mshare
挑战成功
2年前
chay99
挑战成功
3年前
chay99
挑战失败
3年前
NocInGvvvv
挑战成功
3年前
NocInGvvvv
挑战失败
3年前
gy
挑战成功
3年前
dasadan12
挑战成功
3年前
dasadan12
挑战失败
3年前
dasadan12
挑战失败
3年前

提交答案
相似测试题
有两个样本点，第一个点为正样...
下面有关分类算法的准确率，召...
以下几种模型方法属于判别式模...
Nave Bayes是一种特殊的Bayes...
关于支持向量机SVM,下列说法错...
在HMM中,如果已知观察序列和产...
在Logistic Regression 中,如...
机器学习中L1正则化和L2正则化...
位势函数法的积累势函数K(x)的...
隐马尔可夫模型三个基本问题以...
微信公众号
有课学公众号
  • 微信公众号: geekdaxue