机器学习——基础算法(一)

机器学习——基础算法(一)

一、数据清洗

（一）赔率的举例定义

（二）鸢尾花数据集

（三）数据清洗和数据处理举例

、

（四）特征提取的另外思路

采用one-hot编码

车辆数据描述

One-hot编码

二、 回归

y是离散的，建模时使用回归技术。

(一)线性回归举例

（二）多个变量的情况

（三）误差

（四）中心极限定理

（五）似然函数

（六）θ的解析式的求解过程

（七)最小二乘意义下的参数最优解

（八）正则化与稀疏

|w1|+|w2|<ε

w1^2+w22<ε

（九）数据使用

（十）Moore-Penrose广义逆矩阵（伪逆）

（十一）梯度下降算法

随机梯度下降从总体的趋势而言，其损失值十不断下降的，但是不代表每时每刻都在下降。