机器学习基础知识点①：LR、SVM、朴素贝叶斯

1、样本不平衡的解决方法？ 1）上采样和子采样；2）修改权重（修改损失函数）；3）集成方法：bagging，类似随机森林、自助采样；4）多任务联合学习； 2、交叉熵函数系列问题？与最大似然函数的关系和区别？ 1）交叉熵损失函数的物理意义：用于描述模型预测值与真实值的差距大小； 2）最小化交叉熵的本质就是对数似然函数的最大化； 3）对数似然函数的本质就是衡量在某个参数下，整体的估计和真实情况一样的概

>>阅读原文<<