机器学习的基本步骤:
- 明确项目任务:回归/分类 收集数据集并选择合适的特征。
- 选择度量模型性能的指标。
- 选择具体的模型并进行训练以优化模型。
- 评估模型的性能并调参。
本次task02只要是对第三步模型进行展开,重点是线性回归模型,通过最小二乘估计/几何解释和概率视角来求解损失函数,并将线性回归模型推广至多项式线性回归和GAM模型框架。同时将了决策树和支持向量机。
针对本次打卡学习,线性回归基本理解,但是涉及求导/最小二乘法等计算,手推有难度,主要是线性代数/矩阵等数学知识大部分都还给老师。好在日常工作对此块要求没有那么高的要求,以实际应用为主,所以此处对自己的要求以理解为主吧。
决策树和支持向量机模型,比较陌生,看着感觉似懂非懂,希望结合直播进一步理解。
参考
1、开源内容:https://github.com/datawhalechina/team-learning-data-mining/tree/master/IntegratedLearning
2、线性回归模型(一):https://zhuanlan.zhihu.com/p/109808497
3、线性回归模型(二):https://zhuanlan.zhihu.com/p/109815760
4、线性回归模型(三):https://zhuanlan.zhihu.com/p/109819252
Liner Regression-线性回归:https://zhuanlan.zhihu.com/p/49480391