<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_41911413的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_41911413</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_41911413]]></copyright><item><title><![CDATA[Day2：逻辑回归算法梳理]]></title><link>https://blog.youkuaiyun.com/qq_41911413/article/details/88957424</link><guid>https://blog.youkuaiyun.com/qq_41911413/article/details/88957424</guid><author>qq_41911413</author><pubDate>Mon, 01 Apr 2019 21:36:10 +0800</pubDate><description><![CDATA[目录
1.逻辑回归与线性回归的联系与区别
2.逻辑回归的原理、损失函数推导及优化
3.正则化与模型评估指标
4.逻辑回归的优缺点
5.样本不均衡问题解决办法

1  逻辑回归与线性回归的联系与区别
联系
两者都是通过已知数据和拟合函数来训练未知参数，使得拟合损失到达最小，然后用所得的拟合函数进行预测。
逻辑回归通过somgid函数，将R范围内的取值映射到[0,1]上。
区别
线性回归训练参数方法是...]]></description><category></category></item><item><title><![CDATA[Day1 ：线性回归算法梳理]]></title><link>https://blog.youkuaiyun.com/qq_41911413/article/details/88876342</link><guid>https://blog.youkuaiyun.com/qq_41911413/article/details/88876342</guid><author>qq_41911413</author><pubDate>Sun, 31 Mar 2019 22:38:05 +0800</pubDate><description><![CDATA[目录
1.机器学习的相关概念
2.线性回归

原理
损失函数、代价函数、目标函数
评估指标

3.优化方法

梯度下降法
牛顿法
拟牛顿法

4.sklearn参数详解

1 机器学习基本概念
监督学习与非监督学习
统计学习包括监督学习(supervised learning)、非监督学习(unsupervised learning)、半监督(semi-supervised learning)、强...]]></description><category></category></item></channel></rss>