写在前面: 每节整理了思维导图,Click here ,提取码:2333
文章目录
*
–
+ 一、线性回归
+
* 1.技术点
* 2.线性回归与逻辑回归的区别
* 3.考虑单个变量的情形
* 4.考虑多个变量的情形
* 5.最小二乘法的本质
* 6.正则化
* 7.L1-norm如何处理梯度?
* 8.线性回归的进一步分析
* 9.特征选择
+ 二、逻辑回归/Softmax回归
+
* 1.优化
* 2.Logistic回归
* 3.广义线性模型Generalized Linear Model
* 4.Softmax回归
* 5.两类比较
一、线性回归
1.技术点
2.线性回归与逻辑回归的区别
3.考虑单个变量的情形
4.考虑多个变量的情形
5.最小二乘法的本质
6.正则化
7.L1-norm如何处理梯度?
8.线性回归的进一步分析
9.特征选择
参考博客:
【1】机器学习-算法-回归算法(线性回归、逻辑回归、softmax回归)
【2】一文搞懂线性回归和逻辑回归
【3】最小二乘通俗解释
【4】吴恩达机器学习笔记(二)-单变量线性回归
【5】吴恩达机器学习笔记(四)-多变量线性回归
【6】正则化的理解
【7】详解梯度下降法的三种形式BGD、SGD以及MBGD
; 二、逻辑回归/Softmax回归
1.优化
2.Logistic回归
3.广义线性模型Generalized Linear Model
4.Softmax回归
5.两类比较
参考博客:
【1】容量的概念
【2】机器学习-算法-回归算法(线性回归、逻辑回归、softmax回归)
【3】一文搞懂线性回归和逻辑回归
【4】GLM(广义线性模型) 与 LR(逻辑回归) 详解
【5】线性回归、logistic回归、广义线性模型——斯坦福CS229机器学习个人总结(一)
【6】总结 Logistic 回归与 Softmax 回归联系与区别
【7】Logistic and Softmax Regression (逻辑回归和Softmax回归)
【8】机器学习系列——4、逻辑回归与SoftMax回归
【9】机器学习中【回归算法】详解
Original: https://blog.csdn.net/qq_42637313/article/details/122591029
Author: nighty_coding
Title: 第三节 线性回归与逻辑回归/Softmax回归
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/634056/
转载文章受原作者版权保护。转载请注明原作者出处!