机器学习课程总结

机器学习课程总结 1. 基本任务 回归 线性回归 任务：回归&多元回归 思想：最小化所有数据点到分类平面的均方误差 模型：凸优化问题 算法：梯度下降法 决策树 支持向量机 分类 逻辑回归 任务：线性分类 思想：最大化数据点的似然函数 模型：凸优化问题 算法：数值方法–>近似解（梯度下降法、牛顿法） 决策树 任务：回归&分类 思想：利用分而治之的思想对数据集进行递归划分 模型：树形结构，利用特定准则

>>阅读原文<<