最近在准备秋招,被狠狠的打击了,思来想去觉得还是自己差劲,所以又抱起书本和教程,重新学一遍机器学习的相关知识,发现果然是温故而知新,,,以前一些很模糊的概念,现在看起来容易理解多了,于是就写下来,方便以后自己学习。。。
第一点:当时学回归的时候,被各种线性回归弄混淆死了,又是线性回归又是岭回归,然后一翻身,又出来个LASSO回归,等等,这边怎么又冒出个ElasticNet回归。。。现在看看,其实这些回归大同小异,主要区别就是在于惩罚项的不同。譬如,线性回归目标函数仅仅是各项的误差平方之和;而岭回归多了个2范数正则化作为其惩罚项,加在后面;而LASSO回归则是多个1--范数正则化作为其惩罚项加在后面;至于ElasticNet则是岭回归和LASSO回归的“中和物”,将1范数和2范数一起放在后面作为其惩罚项。。。
线性回归目标函数:
岭回归目标函数:
LASSO回归目标函数: