多元回归模型
1. Dataframe 一般化 为多元回归
这叫预测函数
2.损失函数 最小二乘法 (另外加入正则项 防止过你合 原理是 当过拟合时必定用了更多参数, 在损失函数中加入参数平方和项 使得参数复杂度成为损失函数一部分 )
3. 归一化 feature scaling
4 向量化(正则项)
Logistic regression
1 .预测函数
2. 极大似然估计得到损失函数 (正则项 )
3. 梯度下降
4多分类怎么做?
神经网络
多元回归模型
1. Dataframe 一般化 为多元回归
这叫预测函数
2.损失函数 最小二乘法 (另外加入正则项 防止过你合 原理是 当过拟合时必定用了更多参数, 在损失函数中加入参数平方和项 使得参数复杂度成为损失函数一部分 )
3. 归一化 feature scaling
4 向量化(正则项)
Logistic regression
1 .预测函数
2. 极大似然估计得到损失函数 (正则项 )
3. 梯度下降
4多分类怎么做?
神经网络