考研复试之机器学习中的线性回归
现在的考研复试白热化,学习机器学习是必不可少的,这一系列文章以我个人的学习笔记和心得,分享下我的机器学习学习经历
1. 知识框架
2. 学习要点以及推荐去看的代码资料
3. 考研复试一般问什么
知识框架
上一个我个人画的知识框架图:
学习要点以及推荐去看的代码资料
我推荐大家去看公众号“机器学习实验室”的机器学习专栏里面的手推机器学习公式和算法,比较准确和数学理解。你首先要明白这些什么是线性拟合公式,损失函数是MSE,以及最小二乘法和梯度下降的原理和实现,如果学有余力可以了解一下R2公式,这个是评价回归模型好坏的一个指标,我推荐大家先去推导一遍数学公式,然后去看别人怎么用numpy+python手动实现这些模型,加还说呢理解
考研复试一般问什么
我之前考研复试的时候问过这些问题:
- 解释一下什么是线性回归?公式是什么?损失函数是什么?
- 什么是最小二乘法?什么是梯度下降法?
- learning_rate过大会出现什么?learning_rate过低会出现什么?
- 评价线性回归模型的指标是什么?