回归模型模型比较面试题及答案.pdfVIP

回归模型模型比较面试题及答案

一、单选题

1.在比较两个线性回归模型的拟合优度时，通常使用哪个指标？（）（1分）

A.方差分析（ANOVA）

B.AdjustedR-squared

C.最大似然估计（MLE）

D.梯度下降法

【答案】B【解析】AdjustedR-squared是评估模型拟合优度的常用指标，考虑了自变

量数量对R-squared的影响。

2.以下哪种方法不属于模型选择中的交叉验证技术？（）（2分）

A.留一法交叉验证（LOOCV）

B.分组交叉验证

C.自助法（bootstrap）

D.网格搜索

【答案】C【解析】自助法属于重抽样技术，不属于交叉验证方法。

3.在比较岭回归（Ridge）与Lasso回归时，下列说法正确的是？（）（2分）

A.Ridge会自动进行变量选择

B.Lasso可能导致过拟合

C.Ridge通过惩罚项最小化系数绝对值

D.Lasso参数λ越大，模型越复杂

【答案】D【解析】Lasso的参数λ越大，模型越简单，当λ趋于无穷大时，所有系数

都会变为0。

4.比较两个回归模型时，A模型的MSE为0.05，B模型的MSE为0.03，则？（）（1分）

A.A模型比B模型拟合更好

B.A模型方差一定大于B模型

C.A模型对样本外数据预测更好

D.B模型具有更高的预测精度

【答案】D【解析】MSE越小表示模型预测精度越高。

5.比较树模型与线性模型的叙述中，以下错误的是？（）（2分）

A.树模型对异常值不敏感

B.线性模型需要正态分布假设

C.树模型能捕捉变量间交互作用

D.线性模型参数解释性强

【答案】D【解析】树模型参数（如分割阈值）的解释性较弱，系数较难直接解读。

6.比较逻辑回归与线性回归的应用场景，下列说法正确的是？（）（1分）

A.逻辑回归适用于分类问题

B.线性回归适合预测连续值

C.逻辑回归需要正态分布残差

D.线性回归不能处理非线性关系

【答案】A【解析】逻辑回归是广义线性模型，专为二分类或多元分类设计。

7.在比较AIC和BIC作为模型选择准则时，下列理解错误的是？（）（2分）

A.AIC倾向于选择更复杂的模型

B.BIC对样本量敏感

C.AIC计算公式中包含样本量n

D.BIC比AIC更保守

【答案】A【解析】BIC倾向于选择较简单的模型，因为它在惩罚项中包含ln(n)。

8.比较梯度提升与随机森林的叙述中，错误的是？（）（1分）

A.梯度提升是串行学习

B.随机森林能防止过拟合

C.两者都需要设置学习率

D.随机森林能处理高维数据

【答案】B【解析】随机森林通过Bagging减少模型方差，但若树足够多仍可能过拟合。

9.比较两个模型时，模型A的AUC为0.8，模型B的AUC为0.6，则？（）（2分）

A.模型A在所有点上的预测准确率更高

B.模型A对概率预测更稳定

C.模型A区分度一定优于B

D.模型A在所有阈值下表现更好

【答案】C【解析】AUC反映模型区分正负样本的能力，0.8的模型区分度优于0.6。

10.比较线性与非线性回归时，以下正确的是？（）（2分）

A.非线性回归一定能提高拟合精度

B.线性回归适合处理高维数据

C.非线性回归需要更多计算资源

D.线性回归无法处理变量交互

【答案】C【解析】非线性模型通常需要更复杂的算法和计算。

二、多选题（每题4分，共20分）

1.比较线性回归与逻辑回归的异同点？（）

A.线性回归输出连续值，逻辑回归输出概率值

B.两者都属于广义线性模型

C.线性回归假设误差正态分布，逻辑回归假设逻辑分布

D.两者都需要进行变量标准化

E.线性回归参数解释性强，逻辑回归参数不易解释

【答案】A、B、C、E【解析】D错误，逻辑回归不需