本课件的主要内容包括:
-
上次课程回顾:多元线性分类器
-
决策边界形状
-
识别重要电子邮件
-
Sigmoid函数
-
最大似然估计MLE
-
最小化负对数似然NLL
-
朴素贝叶斯的MLE
-
有监督学习的MLE
-
Logistic回归的MLE解释
-
损失函数与最大似然估计
-
最大似然估计与过度拟合
-
最大后验概率MAP估计
-
MAP估计与正则化
-
L2正则化与MAP估计
-
正则化其它模型
-
为什么我们关心MLE与MAP?
-
讨论:最小二乘与高斯假设
-
拖尾比较
-
多元Logistic回归
-
二元 vs. 多元Logistic
-
序号标签
-
计数标签
-
非平衡训练集
-
非平衡数据与极值损失
-
概率比值的损失函数
英文原文课件下载地址:
http://page5.dfpan.com/fs/8l8c9j72e29142e9163/
更多精彩文章请关注微信号: