机器学习随堂笔记（3）ᝰ梯度下降法、感知机、罗杰斯特回归

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

>>>梯度下降算法原理讲解 6K+收藏

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

>>>最详细记录感知机 前言、原理、学习策略​​​​​​

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

>>>logistic回归详解

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