序号 | 任务 | 内容 | 学习视频链接 | 完成情况 |
1 | 第1，2章绪论 模型评估与选择 | (1) 1.4-归纳偏好 (2) 2.3.3-ROC与AUC及其之后可以跳过 | ✅ | |
2 | 第3章 线性模型 | 3.1 一元线性回归 3.2 多元线性回归 3.3 对数几率回归 3.4 线性判别分析 | 23 4 5 | ✅ |
3 | 第4章 决策树 | 4.1 4.2 | 6 | ✅ |
4 | 第5章 神经网络 | 5.1 5.2 5.3 | 7 | ✅ |
5 | 第6章 支持向量机 | 6.1、6.2 支持向量机 6.4、6.5 软间隔与支持向量回归 | 89 | ✅ |
上思维导图写的是模型
- 极大似然、交叉熵是用来计算损失（loss）
- 梯度下降、牛顿法是用来优化的，最小二乘法是选择平方差作为loss的优化方法
深度学习训练的时候每一轮都会计算输出loss然后根据梯度下降法进行优化
