快速学习-机器学习(模型介绍)

机器学习

模型介绍

在这里插入图片描述

监督学习-回归模型

在这里插入图片描述

线性回归模型

在这里插入图片描述

线性方程求解

在这里插入图片描述

线性回归模型

在这里插入图片描述

在这里插入图片描述

最小二乘法

在这里插入图片描述

在这里插入图片描述

求解线性回归

在这里插入图片描述

多元线性回归

在这里插入图片描述

梯度下降法求解线性回归

在这里插入图片描述

在这里插入图片描述

梯度下降法和最小二乘法

在这里插入图片描述

分类模型

在这里插入图片描述

K近邻

在这里插入图片描述

KNN示例

在这里插入图片描述

KNN距离计算

在这里插入图片描述

KNN算法

在这里插入图片描述

逻辑斯蒂回归

在这里插入图片描述

在这里插入图片描述

逻辑斯蒂回归-分类问题

在这里插入图片描述

Sigmoid函数(压缩函数)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

逻辑斯蒂回归-损失函数

在这里插入图片描述

损失函数

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

梯度下降法求解

在这里插入图片描述

决策树

在这里插入图片描述

决策树示例

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

决策树与if-then规则

在这里插入图片描述

决策树目标

在这里插入图片描述

特征选择

在这里插入图片描述

随机变量

在这里插入图片描述

熵

在这里插入图片描述

在这里插入图片描述

熵的示例

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

决策树的目标

在这里插入图片描述

条件熵

在这里插入图片描述

信息增益

在这里插入图片描述

决策树的生成算法

在这里插入图片描述