Помогите с информатикой1) Для решения какого класса задач применяется логистическая

Помогите с информатикой
1) Для решения какого класса задач применяется логистическая регрессия?
1. Регрессия.
2. Классификация.
3. Кластеризация.
4. Генерация изображений.

2) О чём говорит значение сигмоидной функции в логистической регрессии, одинаковое 0.9?
1. Возможность принадлежности классу 1 одинакова 0.9.
2. Вероятность принадлежности классу 0 одинакова 0.9.
3. Вероятность принадлежности классу 0 одинакова 0.1.
4. Возможность принадлежности классу 1 одинакова 0.1.

3) Какие базисные методы можно использовать в бэггинге?
1. Логистическая регрессия.
2. Дерево решений.
3. Хоть какой метод систематизации.
4. Никакой из перечисленных.

4) Какие базисные методы можно использовать в случайном лесе?
1. Линейная регрессия.
2. Логистическая регрессия.
3. Дерево решений.
4. Хоть какой алгоритм классификации.

5) В задачке систематизации для 1-го объекта получены последующие предвещанья классов: 0, 0, 1, 0, 1. Каким будет итоговый ответ в бэггинге?

6) В задачке систематизации для 1-го объекта получены следующие предсказания классов: 0, 0, 0, 1, 1, 1, 1. Каким будет итоговый ответ в бэггинге?

7) В задачке регрессии для 1-го объекта получены последующие предвестия: 7, 9, 8, 7, 5, 6. Каким будет итоговый ответ в бэггинге? Ответ округлите до целых.

8) Пусть в случайном лесе в задачке регрессии на 10 деревьях был получен ответ 7,5. Ещё одно дерево выдало на том же объекте ответ 13. Каким будет итоговый ответ композиции из всех 11 деревьев?

9) Для чего в случайном лесу для каждого базисного метода нечаянно выбираются и множество объектов, и множество признаков в каждой верхушке? Выберите ВСЕ верные ответы.
1. Для действенного ограничения зависимости признаков друг от друга.
2. Чтобы в признаки не попала информация о целевой переменной.
3. Так можно выстроить более устойчивую к переобучению композицию.

10) Какие есть недостатки у ансамблей моделей? Изберите ВСЕ верные ответы.
1. В ансамбле становится невероятным беречь все обучающие данные
2. Предсказание занимает очень великое время
3. Ансамбль алгоритмов тяжело визуализировать
4. Их можно творить только на основе линейных моделей