机器学习之二:线性模型

本文深入探讨了机器学习中的线性模型,包括线性回归、对数几率回归、线性判别分析(LDA)以及如何处理类别不平衡问题。线性模型因其简洁性和可解释性而被广泛使用,同时介绍了多分类学习的不同策略。

一、基本形式

1)定义

已知示例xx,线性模型想要学习一个由属性的线性组合进行预测的函数,可表示为 y = w T x + b

2)优势

  1. 线性模型形式简单,易于建模
  2. 可在线性模型的基础上通过引入层级结构或高维映射得到功能更强大的非线性模型
  3. 由于 ww 直观的表达了各属性的重要程度,故线性模型具有很好的可解释性

二、线性回归

学习

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值