第302章 怎么都不来啊

的随机选择进一步增加模型的多样性。由于Bagging的平行结构，随机森林可以有效处理大规模数据，具有较好的预测性能和计算效率。3、为了考察一种新的教学方法对学生英语成绩的影响，某学校进行了调查，共得到400个样本数据。数据表中GRADE为标签，PSI、GPA、TUC为特征。GRADE为分类数据，取1表示学习成绩提高，0表示学习成绩没有提高；PSI为分类数据，取1表示接受了新的教学方法指导，0表示没有接受新的教学方法指导；GPA表示学生平均积分点，为数值型数据；TUC表示以往的学生成绩，为数值型数据。假如，想了解GPA、TUC和PSI对学生成绩是否有影响，以及预测学生学习成绩是否会提高，你会选择下述用哪个。

模型？为什么？（A.线性回归 B.逻辑回归 C.聚类 D.关联规则挖掘）你的选择：逻辑回归你的解释：逻辑回归是一种广泛应用于分类问题的机器学习算法。在这个情况下，我们的目标是预测学习成绩是否提高，这是一个二分类问题，即学习成绩提高或不提高。逻辑回归可以用来建立一个概率模型，根据给定的特征值（GPA、TUC和PSI），计算出学生成绩提高的概率。逻辑回归模型的输出是一个概率值，表示学生成绩提高的可能性。这使得我们能够根据学生的特征值进行预测，并判断他们学习成绩是否会提高。此外，逻辑回归还可以提供每个特征的权重系数，帮助我们理解各个特征对学生成绩的影响程度。线性回归 (A.线性回归) 也可用于这个问题，但它更适用于连续数值型的目标变量的预测，而不是二分类问题。聚类 (C.聚类) 是无监督学习方法，不适用于这个情况。关联规则挖掘 (D.关联规则挖掘) 通常用于发现数据中的频繁项集和关联关系，不太适合用于预测学生成绩的问题。因此，在给出的选项中，选择使用逻辑回归模型（B.逻辑回归）是合适的，它可以用于预测学生学习成绩是否会提高，并了解GPA、TUC和PSI对学生成绩的影响程度。4、K-means算法在给定数据集上运行第一次后的结果为，数据集分为三个簇： cluster1： (1, 3)、 (2,4)；cluster2： (4, 0) 、(2, 0)；cluster3 ：(0, 3)、 (0, 5)。样本(0, 3)和cluster2的质心之间的曼哈顿距离为：你的答案：5你的计算过程：Cluster2的质心：(4+2)/2=3;0样本的坐标是 (0, 3)，Cl

本章未完，请点击下一页继续阅读！ 第2页 / 共3页