- >3.4 梯度下降法
- >3.5 从几何角度理解梯度下降法
- >4.1 sklearn框架的介绍、安装方法
- >4.2 使用sklearn完成线性回归模型
- >5.1 多项式回归解决非线性问题
- >5.2 特征冗余和噪音特征
- >5.3 线性回归和正态分布
- >1.1多分类和二分类
- >1.2 分类模型和概率模型
- >2.1感知器及其局限性
- >2.2 Sigmoid函数详解
- >2.3 逻辑回归在分类问题上的应用
- >2.4 模型的正则化
- >3.1 Sigmoid函数的导数推导
- >3.2 逻辑回归的损失函数KL距离
- >3.3 梯度下降法在逻辑回归上的应用
- >3.4 学习因子的设定
- >3.5 正则项在逻辑回归中的必要性
- >4.1 使用sklearn实现逻辑回归
- >4.2 使用TensorFlow实现逻辑回归


