《离语》转载请注明来源：笔趣阁bixige.com
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：
c露ster1：
(1,
3)、
(2,4)；c露ster2：
(4,
0)
、(2,
0)；c露ster3
：(0,
3)、
(0,
5)。样本(0,
3)和c露ster2的质心之间的曼哈顿距离为：你的答案：5你的计算过程：c露ster2的质心：(4+2)\/2=3；0样本的坐标是
更多内容加载中...请稍候...
本站只支持手机浏览器访问，若您看到此段落，代表章节内容加载失败，请关闭浏览器的阅读模式、畅读模式、小说模式，以及关闭广告屏蔽功能，或复制网址到其他浏览器阅读！
semaphore提示您：看后求收藏（笔趣阁bixige.com），接着再看更方便。若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！