【机器学习-实战】逻辑回归学习心得

1、对于理论推导部分，建立基本概念，但是不要求去实现和非常完美的理解过程，甚至可以不求胜解。

      从程序员入门机器学习，因为大学数学没学好，理论部分其实比较难，但是我的想法是理论上可以记住结论。重点是要写代码去感受过程。《机器学习-实战》第5章，把代码都实现了，发现题目还是简单的。

2、有幸遇到了第一个问题。有三个参数x,y,z，随着时间连续变化。开始使用了指数加权平均，发现效果不好，代码无法做出区分。后来直接使用采集到的原始参数，错误率居然可以降到接近0，所以一开始不一定妄加判断哪种数据效果最好，可能是优化过的，可能会是原始数据。中间有个插曲，三个参数x,y,z并不是直接用在逻辑回归上。因为一般需要采集20组（x,y,z），20组数据大概2秒时间，才能描述当时状态，那怎么办呢？我把20组数据当成60个参数使用，发现居然可以使用。因为我是这么理解的，从时间序列上，10秒钟当中，2秒钟可以看出一个片段的描述，10秒里面有5个片段，那么就适用了模型。原本可能需要马尔可夫才能解决。

3、尽量使用库函数。我使用了书上的教学代码，并且在随机梯度算法上做了优化，效果比书上的好，效果也和库函数一样。最后我发现有大牛直接使用了库函数。我现在是理解算法，未来应该也是直接使用库函数比较好。