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~~~