二乗残差の和が最小化される一定の制約未満の回帰係数の絶対値は、0に等しいいくつかの厳密な回帰係数を有することが可能である場合は基本的な考え方である投げ縄、得られたモデルが説明することができます。
投げ縄（最小絶対収縮および選択オペレーターは 、Tibshirani（1996）） の推定の圧縮方法です。モデルを構築することによって得ることペナルティ関数係数の数がゼロに設定されている間、それは、いくつかの係数を圧縮するように、より洗練されました。従って収縮のサブセットの利点は、バイアス推定値を有する共線形処理複雑なデータを保持します。
https://www.zhihu.com/question/37031188
https://blog.csdn.net/hzw19920329/article/details/77200475
線形回帰とロジスティック回帰の違い
https://blog.csdn.net/jiaoyangwm/article/details/81139362
数学的な考え方を求める極値は、式0の誘導体=極端な値を得ることができるが、コンピューティング産業の大量、式コンピュータが関係しているから、複雑になることが、極値は、勾配降下法です。
ただ、便利な数学的計算
説明：サンプルが陽性試料であれば、私たちはより良い、値が大きいほど、意思決定機能、より良い、logP値より大きく、より良い、決定はロジスティック回帰サンプルの値の関数である大きな正のサンプルpの確率を予測したいです正の確率;
サンプルは陰性サンプルであれば、私たちはより大きな、より良い負のサンプルの確率を予測したい、つまり、（1-p）が大きいほど、より良い、つまり、より大きな、より良い（1-p）を記録します。
差
1は、論理なる線形回帰に非線形回帰に実際に等価である
2秒が追加されたログであります
意味の尤度関数のようにベルヌーイ分布ではまず見て、：前提が得られたサンプルモデルやサンプルを知っているが、正の尤度確率p（すなわち見込み）である
https://blog.csdn.net / zhenghaitian /記事/詳細/ 80968986
nndl LRは、クロスエントロピー損失関数であります
SVM
