![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
假设在庞大的数据集上使用Logistic回归模型,可能遇到一个问题,Logistic回归需要很长时间才能训练,如果对相同的数据进行逻辑回归,如何花费更少的时间,并给出比较相似的精度()。
A.降低学习率,减少迭代次数
B.降低学习率,增加迭代次数
C.提高学习率,增加迭代次数
D.增加学习率,减少迭代次数
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.降低学习率,减少迭代次数
B.降低学习率,增加迭代次数
C.提高学习率,增加迭代次数
D.增加学习率,减少迭代次数
A.对训练集随机采样,在随机采样的数据上建立模型
B.尝试使用在线机器学习算法
C.使用PCA算法减少特征维度
A.使用前向特征选择方法
B.使用后向特征排除方法
C.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征
D.查看相关性表,去除相关性最高的一些特征
B.启动类上标准@EnableTransactionManagement打开事务管理
C.在需要事务托管的类上标注@Transactional注解。一般放在Service层实现类上
D.对于查询方法,应该配置不需要事务支持,并将数据集设为只读:@Transactional(propagation = Propagation.NOT_SUPPORTED, readOnly = true)
A.在λ非常小的情况下,偏差低,方差低
B.在λ非常小的情况下,偏差低,方差高
C.在λ非常小的情况下,偏差高,方差低
D.在λ非常小的情况下,偏差低,方差低
A.需要满足等比例风险假定
B.需满足对数线性假定
C.可处理存在删失的生存数据
D.原理与Logistic回归完全一致
E.Cox比例风险模型本质上是统计学回归模型
A.小芳:从机器学习理论的角度,这样的情况不应该发生,快去找大赛组委会反应
B.小刚:你这个有可能是由于过拟合导致的
C.小月:早就和你说过了,乖乖使用默认的参数就好了,调参是不可能有收益的
D.小平:你可以考虑一下,使用交叉验证来验证一下是否发生了过拟合