本题考查逻辑回归模型训练相关知识。对于逻辑回归模型来说,向模型中加入更多特征值会提高训练精度或保持不变,低偏差,所以不存在训练精度降低的可能性;测试精度效果不确定,如果特征值是显著的,测试精度会上升,如果特征值完全没有意义,那么对于测试精度不会有影响,如果特征值过多容易导致过拟合现象,从而会导致测试精度下降。因此本题选B。
正确答案是:B: 训练精度总是上升或不变
专业分析:
1. **训练精度总是上升或不变(B)**:
- 当在数据中加入新的特征值时,模型有了更多的输入信息可以利用,从而可以更好地拟合训练数据。因此,训练精度通常会提高或至少保持不变。因为模型可以通过增加复杂性来更好地适应训练数据。
2. **训练精度总是下降(A)**:
- 这不正确。增加新的特征通常会使模型更复杂,能够更好地拟合训练数据,所以训练精度一般不会下降。
3. **测试精度总是下降(C)**:
- 这不一定。增加新的特征可能会导致模型过拟合训练数据,从而在测试数据上的表现变差,但也有可能增加的特征对模型有帮助,提升测试精度。因此,测试精度不一定总是下降。
4. **测试精度总是上升或不变(D)**:
- 这也不一定。增加新的特征可能会导致模型过拟合训练数据,从而在测试数据上的表现变差。因此,测试精度不一定总是上升或不变。
综上所述,正确答案是B: 训练精度总是上升或不变。