1. 首页首页
  2. 科技前沿科技前沿

笔记（三）机器学习（周志华）第3章 线性模型

科技前沿 • • 阅读 54

笔记（三）机器学习（周志华）第3章 线性模型第 3 章 线性模型 1 基本形式 2 线性回归 2 1 回归 VS 分类 2 2 什么是线性回归 2 3 离散属性连续化 2 3 1 属性值间有序 2 3 2 属性值间无序 2 4 如何确定参数 w 和 b 2 4 1 均方误差 最小二乘法 2 4 1 求解 w 和 b 2 5 多元线性回归 2 6 广义线性模型 2 6 1 广义线性模型 2 6 2

大家好，我是讯享网，很高兴认识大家。


讯享网

第3章 线性模型

  • 1. 基本形式
  • 2. 线性回归
    • 2.1. 回归 VS 分类
    • 2.2. 什么是线性回归
    • 2.3. 离散属性连续化
        • 2.3.1. 属性值间有序
        • 2.3.2. 属性值间无序
    • 2.4. 如何确定参数w和b
      • 2.4.1 均方误差
        • 最小二乘法
      • 2.4.1 求解w和b
    • 2.5. 多元线性回归
    • 2.6. 广义线性模型
      • 2.6.1. 广义线性模型
      • 2.6.2. 对数线性回归
    • 2.7. 线性回归模型scikit-learn code
    • 2.8. 总结
  • 3. 对数几率回归（逻辑回归LR）
    • 3.1. 线性回归如何实现分类任务
        •  Logistic回归分类器的实现
    • 3.2. 如何确定参数w和b
      • 3.2.1. 极大似然法
      • 3.2.2 求解w和b
    • 3.3. 对数几率回归scikit-learn code
    • 3.4. 总结
  • 4. 线性判别分析LDA
    • 4.1. LDA思想
    • 4.2. 目标函数
    • 4.3. 求解w
    • 4.4. 多分类任务
    • 4.5. LDA sklearn code
    • 4.6. 总结
  • 5. 多分类学习
    • 5.1. 拆解策略
      • 5.1.1. 一对一(OvO)
      • 5.1.2. 一对其余(OvR)
      • 5.1.3. 多对多(MvM)
  • 6. 类别不平衡问题
    • 6.1. 相关概念和定义
    • 6.2. 类别不平衡学习解决方法
      • 6.2.1. 阈值移动（再缩放）
      • 6.2.2. 欠采样
      • 6.2.3. 过采样
小讯
上一篇 2025-04-10 16:57
下一篇 2025-02-10 20:15

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/39439.html