4-2 过拟合及正则化
介绍
章节
问答
笔记
第1章 课程介绍
1-1 机器学习简介
1-2 分类算法&评价指标
1-3 逻辑回归简介
第2章 逻辑回归的原理
2-1 极大似然估计原理
2-2 用极大似然建立损失函数
2-3 梯度的背景知识
2-4 用梯度上升法最优化参数求解
2-5 最大熵模型介绍
第3章 逻辑回归的代码实现
3-1 数据集
3-2 模型参数求解实现
3-3 评价指标计算
3-4 调包实现逻辑回归
第4章 逻辑回归模型应用
4-1 逻辑回归拟合的本质
4-2 过拟合及正则化
4-3 逻辑回归模型的应用
4-4 非均衡分类
第5章 课程总结
5-1 课程总结
