基本機器學習面試問題 --- 理論/算法2

線性迴歸 如何學習參數：最小化損失函數 如何最小化損失函數：梯度下降 正則化： L1（Lasso 迴歸）：可以將某個係數縮小到零，從而執行特徵選擇； L2（Ridge 迴歸）：以同樣的比例收縮所有係數 ; 幾乎總是勝過 L1； 合併（彈性網）。 假定特徵和標籤之間存在線性關係 可以添加多項式和交互特徵以增加非線性 邏輯迴歸 用於二分類問題的廣義線性模型（GLM） 將 sigmoid 函數應用於線性

>>阅读原文<<