电子科技大学：《机器学习 Machine Learning》课程教学资源（课件讲稿）第3讲 线性模型 Linear Models

电子科技大学研究生《机器学习》课程 第3讲线性模型 Lecture3 Linear Models 郝家胜(Jiasheng Hao) Ph.D.,Associate Professor Email:hao@uestc.edu.cn School of Automation Engineering,Center for Robotics University of Electronics and Science of China,Chengdu 611731 参考：《机器学习》周志华

电子科技大学研究生《机器学习》课程 Email: hao@uestc.edu.cn School of Automation Engineering, Center for Robotics University of Electronics and Science of China, Chengdu 611731 郝家胜 (Jiasheng Hao) Ph.D., Associate Professor 参考：《机器学习》周志华 第3讲 线性模型 Lecture3 Linear Models

线性模型 0. 分类 回归 电子科技大学研究生《机器学习》课程

电子科技大学研究生《机器学习》课程 线性模型 分类 回归

本章目标 ▣理解对数几率回归 ▣理解线性判别分析 口了解多分类学习 口了解类别不平衡问题 口掌握线性回归

q 理解线性判别分析 q 了解多分类学习 q 理解对数几率回归 q 掌握线性回归 q 了解类别不平衡问题

目录 口线性回归 ■最小二乘法 口二分类任务 ■ 对数几率回归 ■线性判别分析 口多分类任务 ■ 一对一 一对其余 ■ 多对多 ▣ 类别不平衡问题 电子科技大学研究生《机器学习》课程

电子科技大学研究生《机器学习》课程 目录 o 线性回归 n 最小二乘法 o 二分类任务 n 对数几率回归 n 线性判别分析 o 多分类任务 n 一对一 n 一对其余 n 多对多 o 类别不平衡问题

基本形式 口线性模型试图学得一个通过属性的线性组合来进行预测 的函数。 一般形式为 f (x)=w1x1 +W222 +...Waxd +b C三 (C1;x2;.·.;xd)是由属性描述的示例，其中C是C在第个属性上的 取值 口向量形式 f(x)=wx+b 其中w=(w1;w2;;wa) 电子科技大学研究生《机器学习》课程

电子科技大学研究生《机器学习》课程 基本形式 o 线性模型试图学得一个通过属性的线性组合来进行预测 的函数。 一般形式为 是由属性描述的示例，其中 是 在第 个属性上的 取值 o 向量形式 其中