我要招人

去企业版

首页 > 试题广场 >

假如你用logistic Regression 算法去预测用

[不定项选择题]

假如你用logistic Regression 算法去预测用户在网上的购买项目，然而，当你在新的用户集上验证你的假设时，你发现预测值有很大的偏差。并且你的假设在训练集上表现也很差，下面那些步骤你应该采纳，选择出正确的选项（）

```
尝试着减小正则项 λ
```
```
尝试增加交叉特征
```
```
减小样本量
```
```
尝试更小的测试集或者特征
```

查看正确选项

Mayday1995

很明显符合欠拟合的情况

降低“欠拟合”凤险的方法：

( 1 ）添加新特征。当特征不足或者现奇特征与样本标签的相关性不强时3模型容易出现欠拟合。通过挖掘“上下文特征”“ID类特征”“组合特征”等新的特征，往往能够取得更好的效果。在深度学习潮流中，有很多模型可以帮助完成特征工程，如因子分解机、梯度提升决策树、Deep-crossing等都可以成为丰富特征的方法。

( 2）增加模型复杂度。简单模型的学习能力较差，通过增加模型的复杂度可以便模型拥高更强的拟合能力。例如，在统性模型中添加高次I页，在神经网络模型中增加网络层数或神经元个数等。

( 3 ）减小正则化系数。正则化是用来防止过拟台的，但当模型出现欠拟合现象时，则需要高针对性地减小正则化系数。

发表于 2020-03-04 20:43:39 回复(0)

jshlyz

欠拟合：训练误差和验证误差都很大。

解决：增加特征项；增加模型复杂度,如使用核函数；减小正则化系数；集成学习方法。

发表于 2020-10-07 15:26:42 回复(0)

小火箭、

欠拟合

发表于 2019-08-26 19:34:34 回复(0)

浩南201903111043864

D是因为不能减小测试集吗？

发表于 2019-09-05 20:49:42 回复(1)

HDU_ducker

欠拟合？

发表于 2019-08-24 11:24:13 回复(0)

宝今天刷题了吗

欠拟合，尝试减小正则项和增加交叉特征

发表于 2022-08-27 21:06:42 回复(0)

你永远得不到的祖奶奶

这说明，自己训练的这个模型存在着欠拟合的情况，可以通过增加特征，增加训练数据，通过减小正则化系数，可以有效地防止欠拟合。

发表于 2020-07-24 19:50:51 回复(0)

提交观点

问题信息

小米集团算法工程师机器学习 2019

来自：小米2019秋招算法笔...

上传者：小小

难度：

7条回答 410收藏 4494浏览

假如你用logistic Regression 算法去预测用

问题信息

热门推荐

相关试题