多元逻辑斯蒂回归matlab代码机器学习课程
挑战
了解机器学习的基础。
动作
研究了以下概念:
线性回归:训练集,特征,目标变量,假设,学习算法,参数,成本函数,优化问题,梯度下降,学习率,批次梯度下降
多元线性回归:特征缩放,均值归一化,选择学习率,正态方程
逻辑回归:分类,逻辑函数,S形函数,决策边界,非线性决策边界,成本函数,优化算法,多类分类,一对多
正则化:过度拟合,正则化参数,正则线性回归,正则逻辑回归
神经网络:计算机视觉,S型激活函数,层,偏差,正向传播,非线性分类,反向传播算法,随机初始化
模型选择:训练/验证/测试集,诊断偏差和方差,交叉验证错误,正则化,学习曲线,高偏差,高方差,误差分析,精度,召回率,F1得分
支持向量机:SVM假设,大余量分类器,核,相似度,高斯核,线性核,多项式核,
无监督学习:聚类,K-均值
主成分分析:降维,数据压缩,数据可视化,协方差矩阵sigma,sigma的特征向量,压缩表示的重构,pf主成分数,学习加速
k-均值聚类:聚类索引,聚类质心,随机初始化,肘法
异常检测:密度估计,正态与异常,欺诈检测,制造,监控工作参数,高斯分布,特
2021-08-09 22:25:34
75.16MB
系统开源
1