Basis van machine learning

Bij logistische regressie wordt z = 2x − 4 door de sigmoïdefunctie σ(z) = 1 ÷ (1 + e^(−z)) gehaald, en het resultaat wordt uitgevoerd als de kans dat het item positief is. Wat is de uitvoer bij x = 2?

A0
B0,5
C1

Antwoord en toelichting tonen

Antwoord: B. 0,5

Bij x = 2 is z = 2 × 2 − 4 = 0, dus σ(0) = 1 ÷ (1 + e⁰) = 1 ÷ 2 = 0,5. De sigmoïdefunctie zet elk reëel getal om in een waarde tussen 0 en 1, die naar 1 gaat naarmate z groter wordt en naar 0 naarmate z kleiner wordt. Logistische regressie beschouwt deze waarde als de kans op positief en verdeelt de items met een drempel zoals 0,5 in twee klassen; ondanks „regressie” in de naam is het een model voor classificatie.

Dit onderwerp oefenen Naar de onderwerppagina

Meer vragen over Basis van machine learning

Een knoop van een beslisboom bevat 6 gegevenspunten van klasse A en 4 van klasse B. Wat is de Gini-onzuiverheid van deze knoop?
Welke beschrijving van het verschil tussen bagging (random forests en dergelijke) en boosting bij ensemble learning is juist?
De klasse van het tweedimensionale punt (0, 0) wordt met k-nearest neighbors voorspeld. De trainingsdata bestaan uit de rode punten (1, 0), (3, 0) en (0, −3) en de blauwe punten (0, 2) en (−2, 1). Welke combinatie van voorspellingen voor k = 3 en k = 5 is juist bij gebruik van de euclidische afstand?
Welke beschrijving van een support vector machine (SVM) is juist?
20% van alle e-mails is spam. Een bepaald woord komt voor in 50% van de spammails en in 5% van de andere e-mails. Welke waarde ligt het dichtst bij de kans dat een e-mail met dit woord spam is?