这篇学习笔记聚焦于《机器学习》中线性模型的前四章，涉及一元和多元线性回归的最小二乘法和最大似然估计，以及对数几率回归和二分类线性判别分析在解决分类问题上的应用。笔记强调了结合其他资源如“南瓜书”以提升学习效率。
开始学习《机器学习》中的第三章-线性模型啦，考虑到这本“西瓜书”中存在一些公式的简化推导，不利于理解和学习，因此需要配合“南瓜书”一起看，可以提高学习效率，继续分享一下学习笔记吧！
本次的笔记主要包含了第三章线性模型的前四个章节。
前两个章节分别是一元线性回归和多元线性回归问题，给出了基于最小二乘法和最大似然估计法的函数参数最优估算，也引出了实际系统中无法得到最优解的闭式解的问题，为之后章节的展开进行了铺垫。
后两个章节分别是对数几率回归和二分类线性判别分析。其中，对数几率回归是在线性回归的基础上，引入了一种线性可微的联系函数，使得可以将回归问题转化为分类问题；二分类线性判别分析提出了一种基于正、负样本均值向量和协方差矩阵的损失函数，用于求解多维空间的二分类问题，同时，该方法可引申到多分类问题。
34
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
