我的机器学习笔记
- 01. 什么是线性回归？
- 02. 一元线性回归的求解
- 03. 二元线性回归的求解
- 04. 多元线性回归的求解
- 05. 线性回归的扩展
- 06. NFL定理和过拟合
- 07. 使用 sklearn 解线性回归
- 08. 通过模型评估降低过拟合
- 09. 回归模型的评估和选择
- 10. 什么是梯度下降
- 11. 梯度下降的简单例子
- 12. 利用梯度下降法解线性回归
- 13. sklearn 中的梯度下降法
- 14. 最优化问题的其他算法
- 15. 线性回归实例
- 16. 带约束条件的线性回归
- 17. 求解岭回归和LASSO回归
- 18. 使用岭回归解决共线性问题
- 19. LASSO回归和稀疏学习
- 20. 鲁棒学习
- 01. 从回归到分类
- 02. 一元分类问题和逻辑函数
- 03. 逻辑回归和一元分类问题的求解
- 04. 使用梯度下降解逻辑回归
- 05. 多元分类问题的求解
- 06. 使用牛顿法解逻辑回归
- 07. 线性回归和逻辑回归总结
- 08. 从二分类到多分类
- 09. 从线性分类到非线性分类
- 10. 分类模型的评估方法