一、梯度下降法
——通过迭代找到目标函数的最小值,或者收敛到最小值
详解梯度下降算法https://blog.csdn.net/JaysonWong/article/details/119818497 ;
二、感知机
——目标是求得一个 能够将 训练数据集正实例点和负实例点完全正确分开 的分离超平面
感知机求解步骤https://zhuanlan.zhihu.com/p/46762820?utm_source=qq ;
三、罗杰斯特回归
事件的几率——p/(1-p)——直线、非负
事件的对数几率——log p/(1-p)——曲线、可负
逻辑回归(非常详细) 知乎https://zhuanlan.zhihu.com/p/74874291 ;
比较贴近教材https://blog.csdn.net/gongxun1234/article/details/78700568 ;
课堂收获的是知识,你们缺乏的是技能,而技能要靠多练习
Original: https://blog.csdn.net/m0_61396811/article/details/126847075
Author: HCJKK
Title: 机器学习随堂笔记(3)ᝰ梯度下降法、感知机、罗杰斯特回归
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/634965/
转载文章受原作者版权保护。转载请注明原作者出处!