9月11日学习梳理

1、对数线性回归：输出标记在指数尺度上变化，将输出标记的对数作为线性模型逼近的目标

       理解：复合函数的问题

2、对数几率回归

        考虑二分类任务，理想的“单位阶跃函数”不连续不可导，需要找替代。常用的是对数几率函数

（logistic function）：（是一种“Sigmoid函数”）

        代入 ，可得   

        y为样本x为正例的可能性，1-y为反例的可能性，则几率（odds）为  

        对数几率（log odds||logit）

        用极大似然法估w和b （没学过极大似然估计，等7.2节详细看，此处略过）

3、线性判别分析

        同类样例的投影点尽可能近（协方差尽可能小），异类样例投影点尽可能远（类中心距离尽可能大）具体推导未看，有需要再看

4、多分类学习

        拆解法——拆为多个二分类问题求解

        拆分策略：一对一、一对其余、多对多

        

标签：11,似然,几率,学习,尽可能,线性,对数,梳理,函数
来源： https://blog.csdn.net/Venki_Li/article/details/120246506