第3章 线性模型
- 1. 基本形式
- 2. 线性回归
- 2.1. 回归 VS 分类
- 2.2. 什么是线性回归
- 2.3. 离散属性连续化
- 2.3.1. 属性值间有序
- 2.3.2. 属性值间无序
- 2.4. 如何确定参数w和b
- 2.4.1 均方误差
- 最小二乘法
- 2.4.1 求解w和b
- 2.5. 多元线性回归
- 2.6. 广义线性模型
- 2.6.1. 广义线性模型
- 2.6.2. 对数线性回归
- 2.7. 线性回归模型scikit-learn code
- 2.8. 总结
- 3. 对数几率回归（逻辑回归LR）
- 3.1. 线性回归如何实现分类任务
- Logistic回归分类器的实现
- 3.2. 如何确定参数w和b
- 3.2.1. 极大似然法
- 3.2.2 求解w和b
- 3.3. 对数几率回归scikit-learn code
- 3.4. 总结
- 4. 线性判别分析LDA
- 4.1. LDA思想
- 4.2. 目标函数
- 4.3. 求解w
- 4.4. 多分类任务
- 4.5. LDA sklearn code
- 4.6. 总结
- 5. 多分类学习
- 5.1. 拆解策略
- 5.1.1. 一对一(OvO)
- 5.1.2. 一对其余(OvR)
- 5.1.3. 多对多(MvM)
- 6. 类别不平衡问题
- 6.1. 相关概念和定义
- 6.2. 类别不平衡学习解决方法
- 6.2.1. 阈值移动（再缩放）
- 6.2.2. 欠采样
- 6.2.3. 过采样
