A.多项式的次数
B.计算权重的方式是矩阵求逆还是梯度下降法
C.常数项的使用
答案：A
选择合适的多项式次数在回归的拟合中起关键作用。如果我们选择更高次数的多项式，会显著增加过度拟合的可能。
Q2.假设你有以下数据，一组输入变量和一组输出变量。请问如果使用线性方程，留一法交叉验证的均方误差是?
A.10/27
B.20/27
C.50/27
D.49/27
答案：D
我们需要计算每个交叉验证点的残差。使用两个点计算拟合线，留一个点来做交叉验证。
留一法交叉验证的均方误差= (2^2 +(2/3)^2 +1^2) /3 = 49/27
Q3.关于最大似然估计(Maximum Likelihood estimate ,MLE)下面说法正确的有?
1.不一定存在最大似然估计值
2.一定存在最大似然估计值
3.如果存在最大似然估计值 ，可能不是唯一解
4.如果存在最大似然估计值 ，一定是唯一解
A.1 和 4
B.2 和 3
C.1 和3
D.2和 4
答案：C
最大似然值可能不是一个转折点，如函数(或对数似然函数)的一阶导数消失了
最大似然值可能不唯一
Q4.假设，一个“线性回归”模型能完美的符合训练数据(train error)(训练误差是0)。则下列哪个陈述是正确的?
A.你的测试误差(test error)总是0
B.你不会再有测试误差为0
C.以上都不对
答：C
如果测试数据里没有噪声，测试误差可能是零。换句话说，如果测试数据完美的代表了训练数据，测试误差可能是0，但并非总是如此。
Q5.在一个线性回归问题中，我们使用”R^2″来衡量拟合优度。如果我们在线性回归模型中增加了一个特征后再训练同一个模型，以下说法正确的是?
A.如果R^2 增加，则这个变量显著影响
B.如果R^2 减少，则这个变量不显著
C.只有R^2 不能说明变量的重要性，还不能做出判断
D.以上都不对
答：C
只有R^2 不能说明一个变量是否显著，因为每次我们增加一个特征时，中国直播网，可决系数可能增加或者保持不变。但是，如果是调整R^2则不一样(如果特征是显著的，调整R^2增加)
Q6. 有关回归分析里的残差，以下哪个陈述是正确的?
A.残差的均值总是0
B.残差的均值总是小于0
C.残差的均值总是大于0
D.残差没有这样的规则
答：A
回归里残差和总是0。残差的总和是0，那均值也肯定是0.
Q7.下面关于异方差性(Heteroskedasticity)正确的是?
A.不同误差的线性回归
B.恒定误差的线性回归
C.0误差的线性回归
D.以上都不对
答：A
误差的不恒定产生了异方差性。一般来说，因为异常值或者极具影响的值，产生了不恒定的方差。
你可以参考这篇文章了解更多有关回归分析的更多细节。
Q8.下面哪一项说明X和Y存在非常强的关系?
A.相关系数( Correlation coefficient)=0.9
B.零假设(β=0)的p值为0.0001
C.零假设(β=0)的t统计量为30
D.以上都不对
答：A
变量间的相关系数=0.9，说明变量间的关系是非常强的。而另一方面，p值和t统计量仅仅衡量了存在关系的显著性。如果有足够的数据，即使弱关系也会有显著性。
Q9.推导线性回归参数时，我们基于以下哪些假设。
1.因变量y和自变量x的之间的关系是线性的
2.模型误差是独立的
3.误差分布的均值为0，中国直播网，标准差为一个常数
4.自变量x是非随机的，测量是无误差的
A.1,2,3
B.1,3,4
C.1,3
D.以上所有
答案：D
推导线性回归参数时，我们基于以上所有假设。如果违背了任意一条假设，模型都会推导错误。
Q10. 要测量因连续变量y(因变量)和x(自变量 )之间的线性关系，最适合下面哪种图?
A.散点图
B.柱状图
C.直方图
D.以上都不是
答：A
使用散点图去测量连续变量之间的线性关系是一个很好的选择。我们可以发现一个变量怎么随着另一个变量改变。散点图显示了两个定量变量之间的关系。
特别声明：本文为中国直播网直播号作者或机构上传并发布，仅代表该作者或机构观点，不代表中国直播网的观点或立场，中国直播网仅提供信息发布平台。
版权声明：版权归著作权人，转载仅限于传递更多信息，如来源标注错误侵害了您的权利，请来邮件通知删除，一起成长谢谢
欢迎加入：直播号，开启无限创作！一个敢纰漏真实事件，说真话的创作分享平台，一个原则：只要真实，不怕事大，有线索就报料吧！申请直播号请用电脑访问https://zbh.zhibotv.com.cn。
