线性回归与决策树算法实战挑战题库.pdfVIP

线性回归与决策树算法实战挑战题库

考试时间：______分钟总分：______分姓名：______

一、基础概念

1.线性回归模型中，增加一个特征（假设其他条件不变）通常会对模型产生

什么主要影响？

2.解释过拟合和欠拟合的概念，并简述它们分别可能出现在线性回归模型或

决策树模型中。

3.决策树在划分节点时，选择分裂属性的标准有哪些？请至少列举两种。

4.描述一下什么是学习曲线，以及它通常如何帮助我们判断模型是否存在高

方差或高偏差问题。

5.在进行线性回归时，为什么需要正则化（例如L1或L2）？它们各自的主

要作用是什么？

二、线性回归实战

6.假设你正在使用梯度下降法来训练一个单变量线性回归模型。请描述在每

次迭代中，你如何计算损失函数关于参数θ的梯度？

7.当你发现线性回归模型的训练损失很低，但在验证集上的损失明显更高时，

这通常意味着什么？你可以尝试哪些方法来解决这个问题？

8.解释一下在处理线性回归问题时，如何进行特征缩放（Feature

Scaling）？它为什么通常是必要的？

9.假设你使用了一个多项式特征（例如x²）来扩展你的线性回