你将收获

掌握分类任务中的损失函数(交叉熵损失/logloss/logistic损失)和正则函数、理解Logistic回归模型的梯度下降法和牛顿法求解算法;

掌握不均衡数据处理方法

运用Logistic回归模型解决实际问题

适用人群

有一定数学和计算机编程基础,希望掌握机器学习中Logistic回归模型的学员

课程介绍

本章介绍Logistic回归分类模型,并通过案例讲解如何使用Logistic回归模型。

课程讨论

auc曲线等错误线老师口误了,是FNR。EER(equal error rate),也就是FPR=FNR的值,由于FNR=1-TPR
老师讲课都一个调,这样就少利用了“语气”这个属性,所以课程效果就很一般了,也显示不出逻辑,因为无法判断重点在哪里,一句话和一句话之间的理由不够连贯,感觉有时候是想到什么说什么,比如中间插入一个奇怪的别称或者另一个专业术语,给理解造成了困难。
老师讲课都一个调,这样就少利用了“语气”这个属性,所以课程效果就很一般了,也显示不出逻辑。
唉,太难了
牛顿法看的很费劲啊,卿老师能不能别像学校里的老师,照本宣科,将一个新概念能不能先介绍下这个概念的用途,和我们学的回归分类有什么关联,一来就各种公式推导,整的都晕了,我们学了目的是为了实践和找工作,不是考试
完全看不懂,公式推导的是什么鬼,明显上一步和下一步都对不上
函数还有计算方法看上去有点蒙,有点不清楚最后的实例进行回归之后有什么用呢,希望可以添加现实应用的场景~!
太抽象了,有点跟不上了啊,后面都在蒙圈状态
完全看不懂
这周内容还不错,比较好理解

同学笔记

没有更多了