逻辑斯蒂回归和线性区别分析均可完成分类任务，下面描述正确的是（ ）? 逻辑斯蒂回归可直接在数据原始空间进行分类，线性区别分析需要在降维所得空间中进行分类|以上都不正确|逻辑斯蒂回归在降维所得空间中进行分类，线性区别分析在数据原始空间进行分类|逻辑斯蒂回归和线性区别分析都是直接在数据原始空间进行分类
举一反三
- 一般来说，下列哪种方法常用来预测连续独立变量？ A: 线性回归 B: 逻辑斯蒂回归 C: 线性回归和逻辑斯蒂回归都可以 D: 以上都不对
- 下面对逻辑斯蒂回归（logistic regression)和多项逻辑斯蒂回归模型(multi-nominal logistic model)描述不正确的是（ ） 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
- 以下关于逻辑斯蒂回归模型的描述正确的是 A: 针对分类的可能性进行建模，不仅能预测出类别，还可以得到属于该类别的概率。 B: 直接对分类的可能性进行建模，无需事先假设数据分布，这样就避免了假设分布不准确所带来的问题。 C: 模型本质仍然是一个线性模型，实现相对简单。 D: 逻辑斯蒂回归模型是线性回归模型
- 机器学习任务通常包括分类（Classification）和回归（Regression），常用的分类器包括SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xgboost、GBDT、boosting、神经网络NN。常见的降维方法包括TF-IDF、主题模型LDA、主成分分析PCA等等。
- 以下关于逻辑回归说法正确的是： A: 逻辑回归主要用于分类问题。 B: 逻辑回归可以转化为线性回归。 C: 逻辑回归中参数可以由最大似然估计确定。 D: 逻辑回归采用的分类是线性分类。