线性回归：知识检查#
随堂测验！ 你必须至少答对 4 道题（共 5 题）才能通过本次测验。
请勿作弊！ 只有当你已经掌握本模块的全部内容之后，再开始作答本次测验。
下面进入正式的 5 道测验题。在每一题的下方都设置了折叠的答案区域，完成全部题目后再统一对照答案。
第 1 题#
下列哪一项是线性回归模型在训练过程中被计算出来的参数？
-
A. 权重（weight）
-
B. 学习率（learning rate）
-
C. 预测值（prediction）
-
D. 标签（label）
第 2 题#
假设你正在构建一个线性回归模型，用于预测二手车的售价。训练数据集中包含以下字段：
-
售价（label）
-
车型年份（feature）
-
厂商建议零售价 MSRP（feature）
-
里程表读数（feature）
-
油耗（feature）
那么这个模型共有多少个权重（weights）？
第 3 题#
观察下图，请问：该模型的均方误差（MSE）是多少？
第 4 题#
下列哪一项控制梯度下降算法每一步的步长大小？
-
A. 学习率（learning rate）
-
B. 损失函数（loss function）
-
C. 批次大小（batch size）
-
D. 正则化率（regularization rate）
第 5 题#
假设你在训练一个线性回归模型，经过大约 100 轮迭代后，你发现损失值很高，并且呈现下降趋势，只是下降幅度并不显著。最可能的原因是什么？
-
A. 学习率过大。
-
B. 学习率过小。
-
C. 数据集中的样本数量过多。
-
D. 数据集中的样本数量过少。
完成本节内容后，你就已经掌握了线性回归模块的全部要点，建议继续学习第 2 讲：深入理解机器学习中的内容。