线性回归、梯度下降算法、Logistic回归概述
目录
- 前言
- 线性回归
- 梯度下降算法
- Logistic回归
一、前言
刚好读到《机器学习实战》的第五章——Logistic回归,有几点疑问:
- 回归不是说预测具体的数值,是连续的吗?难道我理解错了?挖槽,这里面好像大有学问
- 我以前有听过随机梯度下降算法,我还知道英文名叫SGD,看了书上的梯度上升算法,表示颠覆。看了公式之后,我想知道怎么推导出来的。
- 其实看到书上的第五章了,我还有一个疑问,这么多的算法,我应该选择哪个来分类?靠经验?试了才知道??具体问题具体分析???
所以:我希望通过一个个知识点的整理,能够解决上述的疑问
注意:这篇博客只是记录下问题,并有个大致的方向。打算怎么解决疑问的过程。
二、线性回归
说到回归这两字,我们传统上就认为是线性回归,其实不然。回归家族有很多兄弟姐妹的啦~
来,百度输入回归分析,让度老师告诉你~
链接:https://baike.baidu.com/item/回归分析/2625498?fr=aladdin
你可以看到方法这里:
- Linear Regression 线性回归
- Logistic Regression 逻辑回归
- Polynomial Regression 多项式回归
- Stepwise Regression 逐步回归
- Ridge Regression 岭回归
- Lasso Regression 套索回归
- ElasticNet 回归
挖槽,有点害怕~
一共有七个葫芦娃~可能还有其他偷生的没告诉度娘
那我现在没那么多时间把这些个都搞得透彻,我就重点关注我需要的前两个,线性回归和逻辑回归
那线性回归我怎么去完全掌握呢?
《机器学习实战》第8章有个总体的概述,对回归的,说不定有用,反正还没看。
对、先这么学,其实还有吴恩达的,但我没看~
希望大家可以帮我补充推荐下,目的只有一个,完全掌握!
三、梯度下降算法
其实,我之前有学了啦,学的是台大李宏毅的课程(强力安利!)
这次的主要目的就是沉淀下来
目标是掌握它是怎么来的?公式推导一遍,说不定面试啥的就让你推导,灰常有可能~
四、Logistic回归
我就是看了Logistic回归这一章才萌生这么多想法的~
主要是想了解下为什么是这样?它的实际意义是什么?
那还是找“宝可梦”大神的教程重新看一遍,并做做里面的家庭作业,之前都没做~
最后、祝我成功~~~