> 课程简介
本次课程中,将会带领大家使用了解并掌握机器学习中基本的算法-线性回归,老师将会给大家详细的讲解线性回归方程如何一步一步进行推导,主要让大家了解思路,知道公式的由来以及推导过程,公式全部从白板手动推导。
由于Python以及帮我们封装好了函数,所以课程的重点在于理解问题,而不是用代码去实现(后期有时间可以带领大家实现)
其中包括最小二乘,正态分布,极大似然估计,概率密度,岭回归,Lasson回归,范数,极值问题求解,欠拟合,过拟合,带有约束条件的极值问题求解,拉格朗日乘数法等等知识。
从简单的一元一次线性回归,一元二次线性回归,二元一次线性回归,n元n次线性回归,一步一步拓展,减少大家对问题的理解跨度。
其中老师也会用自己对知识的理解分享给同学,满满的干货哟~。
(PS:编程语言不重要,重要的是思路,所以这节课不需要很厉害的编程基础,但是希望具有一定的数学基础)
> 课程内容
一元一次线性回归问题
理解
解题思路
矩阵求导
极值问题
最小二乘
极大似然
一元二次线性回归问题
二元一次线性回归问题
N元N次线性回归问题
线性回归的评估
原因
解决
原因
解决方式
拉格朗日乘数法
过拟合
欠拟合
MSE
R^2
岭回归
Lasson回归
课时列表:
00 - 课程大纲
000 - 课程演示
01 - 线性回归问题的目的
02 - 如何判断那条线更好
03 - 转换最小值
04 - 求点到直线的距离的最小值
05 - 使用矩阵表示最小值求和
06 - 转化AX-B
07 - 推导公式求最小值
08 - 四个矩阵求导法则
09 - 求解X的解析解
10 - 完成最小二乘
11 - 总结最小二乘整体方法
20 - 极大似然估计
21 - 极大似然理解
22 - 极大似然估计的求解方法
23 - 另一种判断直线好的方法
24 - 标准正态分布的概率密度
25 - 连续形随机变量
26 - 求解似然函数
27 - 解释谁和谁成正态分布
28 - 求解似然函数
29 - 完成极大似然估计函数求解
30 - 前面课程的总结
31 - 使用Python给大家演示线性回归
32 - 代码演示线性回归
401 - 回顾一元一次线性回归问题求解思路
402 - 拓展为一元二次线性回归问题
403 - 拓展为一元N次线性回归问题
404 - 拓展为二元一次线性回归问题
405 - 二元一次线性回归方程
406 - 完成拓展二元一次线性回归
407 - 拓展N元一次回归
408 - 解决N元一次线性回归
409 - 多项式回归的代码
410 - 生成数据集
411 - 代码多项式展开
412 - 查看代码生成的图像
413 - 提高多项式的复杂程度
414 - 过拟合的引入
501 - 模型的评估过拟合与欠拟合
502 - 过拟合欠拟合的解释
503 - 增加模型约束 - 范数
504 - Lasson回归与岭回归
505 - 拉格朗日乘数法
506 - 防止过拟合数学推导
507 - 使用解析解解线性回归
508 - 两种方式求解线性回归
509 - 使用拉格朗日乘数法求解带有约束条件的极值问题
510 - 课程总结
课程链接:http://www.sikiedu.com/course/583