Free Lazyer的博客

逻辑回归属于线性分类器，通过Logistic函数(Sigmoid函数)，将数据特征映射到0～1区间的一个概率值（样本属于正例的可能性），通过与0.5的比对得出数据所属的分类。主要应用于二分类。逻辑回归主要功能是，找到决策边界逻辑回归相当于线性回归与sigmoid函数的结合。

1.非线性2.非局限性（例子：联想记忆）3.非常定性 （自适应，自学习能力，自组织)4.非凸性（有多个极值-多个稳定的平衡态-系统演化的多样性）

顾名思义，KNN（K Near Neighbor）：k个最近的邻居，即每个样本都可以用它最接近的k个邻居来代表。

K-Means算法，也被称为K-平均或K-均值算法，是一种广泛使用的聚类算法。

②、误差平方和（SSE)： 该名称定义为“各个（y的实际值与 通过最佳拟合线得出的y的预测值 的差值）²的和“① 、一元线性回归是分析只有一个自变量线性相关关系的方法，此处可以理解为：线性回归法是一种求。，目标是让模型以最小化平方误差的方式来预测未知房屋的价格。y=a+bx 的数学方法（也叫“最小二乘回归法”）。步骤 1：计算当前模型的预测值和实际值之间的误差。因此，本例子在第一轮迭代之后，更新后的参数值为。不断迭代直到损失函数的值小于所规定的。求出每次迭代后的损失函数的值。步骤3：使用梯度更新参数。

参数变化量小于一定阈值：设置一个小于某个阈值的参数变化量，当算法参数变化量小于该值时，停止迭代。目标函数值小于一定阈值：设置一个小于某个阈值的目标函数值，当算法迭代到该值时，停止迭代。梯度下降目的是找到目标函数最小化时的取值所对应的自变量的值，目的是为了找自变量X。梯度值小于一定阈值：设置一个小于某个阈值的梯度值，当算法达到该梯度值时，停止迭代。第三步， 沿着第二步找到的方向走一小步，到达一个新的位置，此时的位置肯定比原来低。达到最大迭代次数：设置一个最大的迭代次数，在达到该次数后，算法停止迭代。