第351章 布丁

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

（0，

3），c露ster

本章未完，点击下一页继续阅读