邏輯迴歸是解決分類問題的最常用演算法，不過常常也讓人摸不著頭腦。下面10道題帶你簡單瞭解邏輯迴歸演算法背後的“邏輯”。

邏輯迴歸模型

1.邏輯迴歸是監督機器學習的演算法嗎？

答案：是。邏輯迴歸之所以是監督機器學習的演算法，原因在於它使用了真值對資料進行訓練。監督機器學習訓練模型時會有輸入變數X和目標變數Y。

2.邏輯迴歸主要用來做迴歸嗎？

答案：錯。邏輯迴歸是分類演算法，不要被它的名字給迷惑了。

3.能否使用神經網路演算法設計一個邏輯迴歸演算法？

答案：可以。神經網路是一個通用的逼近演算法，所以它可以實現線性迴歸。

4.邏輯迴歸中可以用以下哪種方法來調整資料？

A.最小二乘法 B最大似然估計 C.傑卡德距離 

答案：B.邏輯迴歸使用最大似然估計來訓練迴歸模型。

5.類似於線性迴歸的R-squared，判斷邏輯迴歸表現的一個方法是AIC，那麼AIC的值是越大越好還是越小越好？

答案：AIC最小的邏輯迴歸模型最佳。

6.在訓練邏輯迴歸模型之前，對特徵進行標準化是必須的嗎？

答案：非必須。特徵標準化的主要目的是實現模型的最優化。

7.哪種演算法可以用於變數選擇？

答案：LASSO。LASSO使用的是絕對懲罰，在增加懲罰項的情況下，一些變數的係數可能變為0。

8.下面3幅散點圖是包含決策邊界的邏輯迴歸模型，哪一幅圖的決策邊界過擬合了訓練資料？

答案：C。不平滑的決策邊界過擬合了資料。

9.上圖中哪一個決策邊界的正則化值最大？

答案：A。更大的正則化的值意味著懲罰更大，模型更簡單。

10.下圖是3個邏輯迴歸模型的AUC-ROC曲線。不同的顏色表示不同的超參值，哪一個會產生最佳的結果？

答案：黃色曲線。最佳的分類是曲線下面積最大的一個。

參考資料：www.analyticsvidhya.com