斯坦福机器学习笔记(二)——Logistic回归和广义线性模型

概要

之前一直没时间整理这部分笔记,昨天通宵整理这部分笔记,同步网易公开课机器学习课程第四讲。资源我已经上传了,如果有需要的请转到下面的链接为:https://download.csdn.net/download/qq_30091945/10449803
如果有人要转载请注明:http://blog.csdn.net/qq_30091945


主要内容

这篇博客主要包括了主要主要具体讲解了Logistic回归,和对应的SGD算法的参数更新公式,之后也给出了对应的概率解释。之后顺带简单讲解了感知器算法。然后讲解如何利用牛顿法进行参数更新。最后详细讲解了GLM(广义线性模型)和指数函数家族,并利用它最小二乘法和Logistic为例进行相关公式的推导,最后将二分类问题推广到多分类问题——Softmax回归。
PS:由于讲义内容过多,虽然下面对pdf文件进行了截图展示,但是为了读者阅读方便,还请转到网址下载:https://download.csdn.net/download/qq_30091945/10449803
同时由于word文档丢失,自己为了方便以后更改方便,因此把之前的pdf文件重新复制粘贴到word重新排版,故下面的截图和资源的pdf有些区别,请谅解。


这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

猜你喜欢

转载自blog.csdn.net/qq_30091945/article/details/63687166