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-ans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：cster1：(1,3)、(2,4)；cster2：(4,0)、(2,0)；cster3：(0,3)、(0,5)。样本(0,3)和cster2的质心之间的曼哈顿距离为：你的答案：5你的计算过程：cster2的质心：(4+2)\/2=3；0样本的坐标是(0,3)，cster2的质心是(3,0)。将给定的点代入公式，我们有：d=|3-0|+|0-3|=|3|+|-3|=3+3=6。