首页 慕课课程正文

干货丨数据科学家45题自测:回归知识部分(答案+解析)

干货丨数据科学家45题自测:回归知识部分(答案+解析)

  ▊Q1.下列哪一个项对欠拟合和过拟合的权衡影响最大?

  A.多项式次数

  B.是否通过矩阵倒置或梯度下降来学习权重

  C.使用常数项

   答案:A

  选择正确的多项式次数在回归拟合中扮演重要角色,如果选择的次数太高,过拟合的可能性将大大提高。

  Q2.假设有如下一组输入并输出一个实数的数据,则线性回归(Y = bX+c)的留一法交叉验证均方差为?

  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,拟合后得到两点连线和一点用于交叉验证。

  留一法交叉验证均方差为(2^2 +(2/3)^2 +1^2) /3 = 49/27

  Q3.下列哪一项关于极大似然估计(MLE)的说法是正确的?

  1.MLE并不总是存在

  2.MLE一直存在

  3.如果MLE存在,它可能不特异

  4.如果MLE存在,它一定是特异的

  A. 1 and 4

  B. 2 and 3

  C. 1 and 3

  D. 2 and 4

   答案:C

  MLE可能不是一个转折点,即它可能不是一个似然函数的一阶导数消失的点

  MLE可能并不特异

  Q4.假设线性回归模型完美拟合训练数据(即训练误差为零),则下列哪项是正确的?

  A.测试误差一定为零

  B.测试误差一定不为零

  C.以上都不对

   答案:C

  如果测试数据无干扰,则测试误差可能为零。换言之,如果测试数据是训练数据的典型代表,测试误差即为零,但这种情况并不总是出现。

  Q5.在线性回归问题中,我们用“R方”来衡量拟合的好坏。在线性回归模型中增加特征值并再训练同一模型。下列哪一项是正确的?

  A.如果R方上升,则该变量是显著的

  B.如果R方下降,则该变量不显著

  C.单单R方不能反映变量重要性,不能就此得出正确结论

  D.都不正确

   答案:C

  单单R方不能表示变量显著性,因为每次加入一个特征值,R方都会上升或维持不变。但在“调整R方”的情况下这也有误(如果特征值显著的话,调整R方会上升)。

  Q6.下列关于回归分析中的残差表述正确的是:

  A.残差的平均值总为零

  B.残差的平均值总小于零

  C.残差的平均值总大于零

  D.残差没有此类规律

   答案:A

  回归的残差之和一定为零,故而平均值也为零

  Q7.下列关于异方差性哪项是正确的?

  A.线性回归有变化的误差项

  B.线性回归有恒定的误差项

  C.线性回归有零误差项

  D.以上都不对

   答案:A

  在误差项中,非恒定方差的存在导致了异方差性。一般来说,非恒定方差的出现时因为异常值或极端杠杆值的存在。可以参考这篇文章。

  Q8.下列哪一项说明了X,Y之间的较强关系?

  A.相关系数为0.9

  B.Beta系数为0的空假设的p-value是0.0001

  C.Beta系数为0的空假设的t统计量是30

  D.都不对

   答案:A

  变量间的相关系数为0说明了变量间的较强关系;另一方面,p-value和t统计量仅仅衡量了非零联系的证据有多强。在数据足够多的情况下,哪怕弱影响都可能是显著的。

  Q9.在导出线性回归的参数时,我们做出下列哪种假定?

  1.因变量y和自变量x的真实关系是线性的

  2.模型误差是统计独立的

  3.误差通常服从一个平均值为零,标准差恒定的分布

  4.自变量x是非随机的,无错的

  A. 1,2 and 3

  B. 1,3 and 4

  C. 1 and 3

  D. 以上都对

   答案:D

  当导出回归参数时,我们做出以上全部4种假设,缺少任何一种,模型都会出错。

  Q10.为了检验连续变量x,y之间的线性关系,下列哪种图最合适?

  A.散点图

  B.条形图

  C.直方图

  D.都不对

   答案:A

  为了检验连续变量的线性关系,散点图是最好的选择,可以看出一个变量如何关于另一个变量变化。散点图反映两个定量变量之间的关系。

  Q11.下列哪种方法被用于预测因变量?

  1.线性回归

  2.逻辑回归

  A.1和2

  B.1

  C.2

  D.都不是

   答案:B

  逻辑回归是用于分类问题的

  Q12.一个人年龄和健康之间的相关系数是-1.09,据此可以得出:

  A.年龄是健康预测的好的参考量

  B.年龄是健康预测的不好的参考量

  C.都不对

   答案:C

  相关系数的范围是[-1,1],-1.09 是不可能的。

  Q13.下列哪个坐标用于最小二乘拟合?假设水平轴为自变量,垂直轴为因变量。

  A.垂直坐标

  B.正交坐标

  C.都可以,视情况而定

  D.都不对

   答案:A

  一般将残差想作垂直坐标,正交坐标在PCA的例子中很有用

  Q14.假设我们有由三次多项式回归产生的数据(三次多项式完美契合数据),下列说法哪些是对的?

  1.简单线性回归有高偏差和低方差

  2.简单线性回归有低偏差和高方差

  3.三次多项式有低偏差和高方差

  4.三次多项式有低偏差和低方差

  A.1

  B.1和3

  C.1和4

  D.2和4

   答案:C

  如果选择比3更高的次数来拟合,则会过拟合,因为模型会变得更复杂。如果选择比3低的次数,模型会变得简单,这样会有高偏差和低方差。但是在三次多项式拟合的情况下,偏差和方差都是低的。

  Q15.假设你在训练一个线性回归模型,以下哪项是正确的?

  1.数据越少越易过拟合

  2.假设区间小则易过拟合

  A.都是错的

  B.1是错的,2是对的

  C.1是对的,2是错的

  D.都是对的

   答案:C

  1.小训练数据集更容易找到过拟合训练数据的假设

  2.从偏差和方差的权衡中可以看出,假设区间小,偏差更大,方差更小。所以在小假设区间的情况下,不太可能找到欠拟合数据的假设

  Q16.假设我们用Lasso回归拟合一个有100个特征值(X1,X2…X100)的数据集,现在,我们重新调节其中一个值,将它乘10(将它视作X1),并再次拟合同一规则化参数。下列哪一项正确?

  A. X1很可能被模型排除

  B. X1很可能被包含在模型内

  C.很难说

  D.都不对

   答案:B

  大特征值= 小相关系数= 更少lasso penalty = 更可能被保留

  Q17.关于Ridge和Lasso回归在特征值选择上的方法,一下哪项正确?

  A. Ridge回归使用特征值的子集选择

  B. Lasso回归使用特征值的子集选择

  C.二者都使用特征值的子集选择

  D.以上都不正确

   答案:B

  Ridge回归在最终模型中用到了所有自变量,然而Lasso回归可被用于特征值选择,因为相关系数可以为零。点击此处阅读更多细节。

  Q18.在线性回归模型中增加一个变量,下列哪一项是正确的?

  1.R方和调整R方都上升

  2.R方上升,调整R方下降

  3.R方和调整R方都下降

  4.R方下降,调整R方上升

  A.1和2

  B.1和3

  C.2和4

  D.以上都不对

   答案:A

  每次加入特征值,R方总是上升或维持不变。但调整R方并非如此,当它上升时,特征值是显著的。

  Q19.下图显示了对相同训练数据的三种不同拟合模型(蓝线标出),从中可以得出什么结论?

  1.同第二第三个模型相比,第一个模型的训练误差更大

  2.该回归问题的最佳模型是第三个,因为它有最小的训练误差

  3.第二个模型比第一、第三个鲁棒性更好,因为它在处理不可见数据方面表现更好

  4.相比第一、第二个模型,第三个模型过拟合了数据

  5.因为我们尚未看到测试数据,所以所有模型表现一致

  A.1和3

  B.1和2

  C.1,3和4

  D.只有5

   答案:C

  数据的趋势看起来像以X 为自变量的二项式。更高的次数(最右边的图)的多项式对于训练数据可能具有更高的准确性,但在测试集上毫无疑问的惨败。在最左面一张图中,由于数据欠拟合,将会得到最大训练误差。

  Q20.下列哪项可以评价回归模型?

  1.R方

  2.调整R方

  3.F统计量

  4.RMSE/MSE/MAE

  A.2和4

  B.1和2

  C.2,3和4

  D.以上所有

   答案:D

  以上这些都是评价回归模型的指标

  Q21.我们可以通过一种叫“正规方程”的分析方法来计算线性回归的相关系数,下列关于“正规方程”哪一项是正确的?

  1.我们不必选择学习比率

  2.当特征值数量很大时会很慢

  3.不需要迭代

  A.1和2

  B.1和3

  C.2和3

  D.1,2和3

   答案:D

  正规方程可替代梯度下降来计算相关系数,参考这篇文章获得更多关于正规方程的知识。

  Q22.Y的预期值是关于变量X(X1,X2….Xn)的线性函数,回归线定义为Y = β0 + β1 X1 + β2 X2……+ βn Xn,下列陈述哪项正确?

  1.如果Xi的变化量为 Xi,其它为常量,则Y的变化量为βi Xi,常量βi可以为正数或负数

  2. βi 的值都是一样的,除非是其它X的βi

  3.X对Y预期值的总影响为每个分影响之和

  提示:特征值间相互独立,互不干扰

  A.1和2

  B.1和3

  C.2和3

  D.1,2和3

   答案:D

  1.Y的预期值是关于X的线性函数,这表示:

  1. 如果Xi的变化量为 Xi,其它变量不变,Y的预期值随β i X i而变化,β i可以为正数或负数

  2.βi 的值都是一样的,除非是其它X的βi

  3.X对Y预期值的总影响为每个分影响之和

  2.Y的未知变化独立于随机变量(特别之处,当随机变量为时间序列时,Y与随机变量不是自动关联的)

  3.它们的方差一致(同方差性)

  4.它们一般是分散的

  Q23.为了评价一个简单线性回归模型(单自变量),需要多少个参数?

  A.1

  B.2

  C.不确定

   答案:B

  在简单线性回归模型中,有一个自变量,需要两个参数(Y=a+bX)

  Q24.下图展示了两条对随机生成的数据的回归拟合线(A和B),请探究A,B的各自的残差之和:

  提示:

  1.两张图的横纵轴大小一致

  2.X轴是自变量,Y 轴是因变量

  下列对A,B各自残差和的陈述哪项正确?

  A.A比B高

  B.A比B低

  C.两者相同

  D.以上都不对

   答案:C

  残差之和总为零

  Q25.若两个变量相关,它们之间一定有线性关系吗?

  A.是

  B.否

   答案:B

  不是必要条件,二者可以没有线性关系

  Q26.相关变量的相关系数可以为零,对吗?

  A.是

  B.否

   答案:A

  Q27.假设对数据提供一个逻辑回归模型,得到训练精度X和测试精度Y。在数据中加入新的特征值,则下列哪一项是正确的?

  提示:其余参数是一样的

  1.训练精度总是下降

  2.训练精度总是上升或不变

  3.测试精度总是下降

  4.测试精度总是上升或不变

  A.只有2

  B.只有1

  C.只有3

  D.只有4

   答案:A

  向模型中加入更多特征值会提高训练精度,低偏差;如果特征值是显著的,测试精度会上升

  Q28.下图显示了由X预测Y的回归线,图上的值展示了每个预期的离差,请据此计算SSE(残差平方和):

  A. 3.02

  B. 0.75

  C. 1.01

  D. 以上都不对

   答案:A

  SSE是预估误差的平方之和,所以SSE = (-.2)^2 + (.4)^2 + (-.8)^2 + (1.3)^2 + (-.7)^2 = 3.02

  Q29.众所周知,身高体重呈正相关。忽略图表大小(变量被标准化了)下列两张图哪张更像描绘身高(X轴)体重(Y轴)的图表?

  A.图2

  B.图1

  C.两张都是

  D.无法确定

   答案:A

  图2很明显更好的展现了身高体重之间的联系,个体身高更高,体积就越大,体重就相应越大,所以预期身高体重是正相关的。右图是正相关而左图是负相关。

  Q30.假设X公司的员工收入分布中位数为$35,000,25%和75%比例处的数值为$21,000 和$53,000。收入$1会被认为是异常值吗?

  A.是

  B.否

  C.需要更多信息

  D.以上都不对

   答案:C

  Q31.关于回归和相关,下列哪项是正确的?

  提示:y是因变量,x是自变量

  A.在两者中,x、y关系都是对称的

  B.在两者中,x、y关系都是不对称的

  C.x、y在相关情况下不对称,在回归中对称

  D.x、y在相关情况下对称,在回归中不对称

   答案:D

  1.相关是衡量两个变量线性联系的统计度量,对待x、y是对称的

  2.回归是用于根据x预测y,其关系不对称

  Q32.可以根据平均值和中位数计算斜率吗?

  A.可以

  B.不可以

   答案:B

  斜率不是直接和平均值中位数相关的

  Q33.假设你有n个有两个连续变量的数据集(y是因变量,x是自变量)下表给出了这些数据集的信息总结:

  这些数据集都是一致的吗?

  A.是

  B.不是

  C.无法确定

   答案:C

  为了回答这个问题,你需要了解Anscombe的四幅图,请参考这篇文章。

  Q34.观测值是如何影响过拟合的?

  提示:余下所有参数都一致

  1.观测更少更易过拟合

  2.观测更少更不易过拟合

  3.观测更多更易过拟合

  4.观测更多更不易过拟合

  A.1和4

  B.2和3

  C.1和3

  D.都不正确

   答案:A

  特别地,当观测值太少,规模太小,模型很容易过拟合。因为我们只有很少的点,当提升模型复杂度(比如多项式拟合)时,就会很容易覆盖所有观测值点。

  另一方面,如果有很多很多观测值,哪怕模型很复杂,也很难过拟合。

  Q35.假设用一个复杂回归模型拟合一个数据集,使用带固定参数lambda的Ridge回归来减小它的复杂度,下列哪项描述了偏差和方差与lambda的关系?

  A.对于非常大的lambda,偏差很小,方差很小

  B.对于非常大的lambda,偏差很小,方差很大

  C.对于非常大的lambda,偏差很大,方差很小

  D.对于非常大的lambda,偏差很大,方差很大

   答案:C

  Lambda很大表示模型没有那么复杂,这种情况下偏差大,方差小

  Q36. 假设用一个复杂回归模型拟合一个数据集,使用带固定参数lambda的Ridge回归来减小它的复杂度,下列哪项描述了偏差和方差与lambda的关系?

  A.对于非常小的lambda,偏差很小,方差很小

  B.对于非常小的lambda,偏差很小,方差很大

  C.对于非常小的lambda,偏差很大,方差很小

  D.对于非常小的lambda,偏差很大,方差很大

   答案:B

  Lambda很小表示模型复杂,这种情况下偏差小,方差大,模型会过拟合数据

  Q37.关于Ridge回归,下列哪项正确?

  1.lambda为0时,模型作用类似于线性回归模型

  2.lambda为0时,模型作用与线性回归模型不相像

  3.当lambda趋向无穷,会得到非常小,趋近0的相关系数

  4.当lambda趋向无穷,会得到非常大,趋近无穷的相关系数

  A.1和3

  B.1和4

  C.2和3

  D.2和4

   答案:A

  当lambda为0时我们得到了最小的最小二乘解;当lambda趋近无穷时,会得到非常小、趋近0的相关系数。

  Q38.下列三张残差图,哪张与其它相比是最糟糕的模型?

  提示:

  1.所有残差都被标准化了

  2.这些图是关于预期值和残差的

  A. 1

  B. 2

  C. 3

  D. 1和2

   答案:C

  预期值和残差之间应该没有任何关系,若果有则说明模型未能完美捕获数据信息。

  Q39.下列哪一种回归方法的相关系数没有闭式解?

  A.Ridge回归

  B. Lasso回归

  C. Ridge回归 and Lasso回归

  D.两者都不是

   答案:B

  Lasso不允许闭式解,L1-penalty使解为非线性的,所以需要近似解。参考这篇文章获得更多关于闭式解的知识。

  Q40.参考如下数据集,移除哪一个黑点将会对回归拟合线(黑虚线所示)产生最大影响?

  A.a

  B.b

  C.c

  D.d

   答案:D

  线性回归对数据中的异常值敏感,虽然C也是给定数据区间内的异常值,但它离回归拟合线很近,所以不会造成太多影响

  Q41.在简单线性回归模型中(单自变量),如果改变输入变量1单元,输出变量会变化多少?

  A.1单元

  B.无变化

  C.截距值

  D.斜率值

   答案:D

  简单线性回归公式为Y=a+bx,如果给x增加1,y就变成了a+b(x+1),即y增加了b

  Q42.逻辑回归是输出结果落在[0,1]区间内,下列哪个函数用于转换概率,使其落入[0,1]?

  A. Sigmoid

  B. Mode

  C. Square

  D. Probit

   答案:A

  Sigmoid函数用于转换输出结果,使之落在逻辑回归区间[0,1]内

  Q43.考虑线性回归和逻辑回归中的重量/相关系数,关于cost函数的偏导,下列哪一项是正确的?

  A.都不一样

  B.都一样

  C.无法确定

  D.以上都不对

   答案:B

  参考这个链接

  Q44.假设使用逻辑回归模型处理n元分类问题,可以用到One-vs-rest方法,则下列哪一项是正确的?

  A.在n元分类问题中,需要拟合n个模型

  B.为了分类为n类,需要拟合n-1个模型

  C.为了分类为n类,只需要拟合1个模型

  D.都不正确

   答案:A

  如果有n类,就有n个分散的逻辑回归需要拟合,每一类的概率都是基于其余类来预测的。以三类分类(-1,0,1)为例,需要训练三个逻辑回归分类器:

  1. -1 vs 0 and 1

  2.0 vs -1 and 1

  3.1 vs 0 and -1

  Q45.下图是两种有不同β0 和β1值的逻辑回归模型,下列关于两种逻辑回归模型中β0 和β1的叙述哪项是正确的?

  提示:Y = β0 + β1*X,β0为截距,β1是斜率

  A.绿线的β1比黑线的大

  B.绿线的β1比黑线的小

  C.两个模型的β1是一样的

  D.无法得出结论

   答案:B

  β0和β1: β0 = 0, β1 = 1是黑线的情况;β0 = 0, β1 = 1是绿线的情况

   总结:

  我们希望你能发现这个测试和提供的解决方法有趣而实用。这个测试注重回归的理论知识和它的多种技巧。我们试着通过这篇文章解释你们的所有疑惑,如果你发现了任何错误和遗漏,或者你有好的建议,请和我们联系。

  注:本文来源阿里云-云栖社区组织翻译,作者:ANKIT GUPTA,由北邮@爱可可-爱生活老师推荐,原标题《45 questions to test a Data Scientist on Regression (Skill test – Regression Solution)》。版权著作权属原创者所有。编辑:Fynlch(王培),数据观微信公众号(ID:cbdioreview),欲了解更多大数据行业相关资讯,可搜索数据观(中国大数据产业观察网www.cbdio.com)进入查看。

☞点此进入 阿里云 在数据观的企业栏目>>>

责任编辑:王培

分享:
2022全数会
贵州

贵州大数据产业政策

贵州大数据产业动态

贵州大数据企业

更多
企业
更多