一般来说，回归不用在分类问题上，但是也有特殊情况，比如logistic回归可以用来解决0/1分类问题。（)

A.Softmax回归可以处理多元分类问题,Logistic回归只能处理二元分类问题

B.Logistic回归和Softmax回归都只能处理二元分类问题

A.两者都是监督学习的方法

B.多项逻辑斯蒂回归模型也被称为softmax函数

C.两者都可被用来完成多类分类任务

D.逻辑斯帝回归是监督学习，多项逻辑斯蒂回归模型是非监督学习

A.两分类反应变量的Logistic回归

B.多分类有序反应变量的Logistic回归

C.多分类无序反应变量的Logistic回归

A.关联规则

B.聚类

C.分类

D.回归

A.Logistic回归(LogisticRegression,LR)

B.决策树(DecisionTree,DT)

C.朴素贝叶斯(NaiveBayes,NB)

D.支持向量机(SupportVectorMachine,SVM)

A.回归问题有标签，分类问题没有

B.回归问题输出值是离散的，分类问题输出值是连续的

C.回归问题输出值是连续的，分类问题输出值是离散的

D.回归问题与分类问题在输入属性值上要求不同

A.朴素贝叶斯(NaiveBayes,NB)

B.Logistic回归(LogisticRegression,LR)

C.支持向量机(SupportVectorMachine,SVM)

D.决策树(DecisionTree,DT)

A.第一个w2成了0，接着w1也成了0

B.第一个w1成了0，接着w2也成了0

C.w1和w2同时成了0

D.即使在C成为大值之后，w1和w2都不能成0

E.解析

A.级别划分较多的属性不会影响模型效果

B.在某些噪音较大的分类或回归问题上不会过拟合

C.每次学习使用不同训练集，一定程度避免过拟合

D.能够处理高纬度的数据，并且不做特征选择

A.多项式回归模型

B.岭回归模型

C.二分LogistiC回归模型

D.主成分回归