1.学习记录
1.1 均方误差是评估回归问题的主要性能度量,其对模型的求解也称为“最小二乘法”。而使权重w和偏置b参数最优化的过程成为回归模型的最小二乘“参数估计”。
1.2 “逻辑回归”是一种分类方法,可以得到预测的近似概率。
1.3 线性分类判别器的主要思想:对训练样本,将同类样例在某条直线的投影点上尽可能进,异类样例的投影点尽可能远,再根据投影点的位置来区分新样本的类别。
1.4 多分类学习器:将学习任务拆分成多个二分类学习器,再对结果进行整合。不同的任务拆分整合策略各不相同。
2.疑惑存留
2.1 在西瓜书P59,利用“极大似然法”,“凸优化理论”估计计算w,b的推导过程。
2.2 NP难问题。
3.自己的理解
3.1 不同数目的正反样例,可以通过“再缩放”将这种“不同”转变为数目“相当”。