假如我们使用 Lasso 回归来拟合数据集，该数据集输入特征有 100 个（X1，X2，...，X100）。现在，我们把其中一个特征值扩大 10 倍（例如是特征 X1），然后用相同的正则化参数对 Lasso 回归进行修正。 那么，下列说法正确的是？A．特征 X1 很可能被排除在模型之外B．特征 X1 很可能还包含在模型之中C．无法确定特征 X1 是否被舍弃D．都不对
假如我们使用 Lasso 回归来拟合数据集，该数据集输入特征有 100 个（X1，X2，...，X100）。现在，我们把其中一个特征值扩大 10 倍（例如是特征 X1），然后用相同的正则化参数对 Lasso 回归进行修正。 那么，下列说法正确的是？
A．特征 X1 很可能被排除在模型之外
B．特征 X1 很可能还包含在模型之中
C．无法确定特征 X1 是否被舍弃
D．都不对
参考答案和解析
B
相关考题：
回归模型中存在多重共线性,你如何解决这个问题()1.去除这两个共线性变量2.我们可以先去除一个共线性变量3.计算VIF(方差膨胀因子),采取相应措施4.为了避免损失信息,我们可以使用一些正则化方法,比如,岭回归和lasso回归A.1B.2C.2和3D.2,3和4
我们想要减少数据集中的特征数,即降维.选择以下适合的方案()1.使用前向特征选择方法2.使用后向特征排除方法3.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征.4.查看相关性表,去除相关性最高的一些特征A.1和2B.2,3和4C.1,2和4D.All
一个队列的入队序列是a,b,x1,x2,c,d,则队列的出队序列是()。 A、a，b，x1，x2，c，dB、x2，x1，d，c，b，aC、a，d，x2，x1，c，bD、x1，x2，c，d，a，b
设数据x1，x2的绝对误差限分别为0.05和0.005，那么两数的乘积x1x2的绝对误差限E(x1x2)=A、0.005|X2|+0.005|X1|B、0.05|X2|+0.005|X1|C、0.05|X1|+0.005|X2|D、0.005|X1|+0.005|X2|
我们想要减少数据集中的特征数,即降维.选择以下适合的方案:( ) A.使用前向特征选择方法B.使用后向特征排除方法C.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征.D.查看相关性表,去除相关性最高的一些特征
已知样本x1,x2,…,xn，其中μ未知。下列表达式中，不是统计量的是（）。A. X1 +X2 B. max(x1,x2,…,xn)C. X1 +X2 -2μ D. (X1 -μ)/σE. X1 +μ
响应变量Y与两个自变量（原始数据）X1及X2建立的回归方程为y=2.2+30000x1+0.0003x2由此方程可以得到的结论是：（）A、X1对Y的影响比X2对Y的影响要显著得多B、X1对Y的影响与X2对Y的影响相同C、X2对Y的影响比X1对Y的影响要显著得多D、仅由此方程不能对X1及X2对Y的影响大小做出判断
有一个数据库X1，要求创建一个与X1库结构完全相同且不带任何记录的数据库X2，假定X1已打开，最便捷的操作应为（）。A、COPY TO X2B、CREATE X2C、SORT ON字段名TO X2D、COPY STRU TO X2
响应变量Y与两个自变量（原始数据）X1及X2建立的回归方程为：Y=2.1X1+2.3X2，由此方程可以得到结论是（）A、X1对Y的影响比X2对Y的影响要显著得多B、X1对Y的影响比X2对Y的影响相同C、X2对Y的影响比X1对Y的影响要显著得多D、仅由此方程不能对X1及X2对Y影响大小作出判定
变压器的其它条件不变，若原副边的匝数同时减少10℅，则X1，X2及Xm的大小将（）。A、X1和X2同时减少10，Xm增大B、X1和X2同时减少到0.81倍，Xm减少C、X1和X2同时减少到0.81倍，Xm增加D、X1和X2同时减少10℅，Xm减少
单选题响应变量Y与两个自变量（原始数据）X1及X2建立的回归方程为y=2.2+30000x1+0.0003x2由此方程可以得到的结论是：（）AX1对Y的影响比X2对Y的影响要显著得多BX1对Y的影响与X2对Y的影响相同CX2对Y的影响比X1对Y的影响要显著得多D仅由此方程不能对X1及X2对Y的影响大小做出判断
单选题六西格玛团队分析了历史上本车间产量（Y）与温度（X1）及反应时间（X2）的记录。建立了Y对于X1及X2的线性回归方程，并进行了ANOVA、回归系数显著性检验、相关系数计算等，证明我们选择的模型是有意义的，各项回归系数也都是显著的。下面应该进行（）.A结束回归分析，将选定的回归方程用于预报等B进行残差分析，以确认数据与模型拟合得是否很好，看能否进一步改进模型C进行响应曲面设计，选择使产量达到最大的温度及反应时间D进行因子试验设计，看是否还有其它变量也对产量有影响，扩大因子选择的范围
问答题设某客观现象可用X=（x1，x2，x3）′来描述，在因子分析时，从约相关阵出发计算出特征值为λ1=1.754，λ2=1，λ3=0.255，由于（λ1+λ2）/（λ1+λ2+λ3）≥85％，所以找前两个特征值所对应的公共因子即可，又知λ1，λ2对应的正则化特征向量分别为（0.707，-0.316，0.632）’及（0，0.899，0.4470）’，要求：计算第一公因子对X 的“贡献”。
单选题响应变量Y与两个自变量（原始数据）X1及X2建立的回归方程为：Y=2.1X1+2.3X2，由此方程可以得到结论是（）AX1对Y的影响比X2对Y的影响要显著得多BX1对Y的影响比X2对Y的影响相同CX2对Y的影响比X1对Y的影响要显著得多D仅由此方程不能对X1及X2对Y影响大小作出判定
填空题我们把一个程序在一个数据集上的一次执行称为一个（）