اختبار الانحدار اللوجستي

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. على الرغم من اسمه، ما هو الغرض من استخدام الانحدار اللوجستي بالفعل؟
   • التصنيف إلى فئات
   • التنبؤ بالأرقام المستمرة
   • تجميع البيانات غير المسماة
   • تقليل الأبعاد
2. ماذا تفعل الوظيفة السينيه (اللوجستية) في النموذج؟
   • فهو يختار عدد من الميزات
   • يقوم بتعيين أي قيمة إلى احتمال بين 0 و 1
   • فهو يزيل القيم المتطرفة
   • يقوم بتجميع البيانات
3. ما هي وظيفة الخسارة التي يقلل منها الانحدار اللوجستي أثناء التدريب؟
   • يعني الخطأ التربيعي
   • الجمود
   • فقدان السجل (الإنتروبيا المتقاطعة)
   • فقدان المفصلي
4. لماذا يتم تقدير الانحدار اللوجستي من حيث قابلية التفسير؟
   • لا يستخدم الرياضيات
   • إنه يخفي منطقه الداخلي
   • ويتنبأ دائمًا بنسبة 50 بالمائة
   • يوضح كل وزن كيف تقوم إحدى الميزات بتغيير احتمالات تسجيل النتيجة
5. كيف يقوم الانحدار اللوجستي عادة بتحويل الاحتمال إلى تسمية فئة؟
   • ويطبق عتبة، في كثير من الأحيان 0.5
   • دائما يختار الدرجة الأولى
   • وهو متوسط الجيران
   • ويستخدم الاختيار العشوائي
6. كيف يرتبط الانحدار اللوجستي بالشبكات العصبية؟
   • ولا علاقة لهم بها
   • الطبقة السيني أو softmax النهائية للشبكة العصبية هي في الأساس انحدار لوجستي
   • يستبدل جميع الطبقات المخفية
   • يمكن تشغيله فقط على وحدات معالجة الرسومات
7. What does convexity tell us about the binary logistic-regression negative log-likelihood?
   • It guarantees exactly one finite solution for every dataset
   • It makes the model immune to mislabeled examples
   • A finite local minimum is global, but convexity alone does not guarantee uniqueness
   • It means the decision boundary must be nonlinear
8. What can complete separation imply for unregularized logistic-regression maximum likelihood?
   • The model must misclassify every training example
   • The sigmoid stops mapping scores to probabilities
   • The optimizer automatically adds regularization
   • There may be no finite maximum-likelihood estimate because coefficients can grow without bound