機器學習基礎知識點①：LR、SVM、樸素貝葉斯

1、樣本不平衡的解決方法？ 1）上採樣和子採樣；2）修改權重（修改損失函數）；3）集成方法：bagging，類似隨機森林、自助採樣；4）多任務聯合學習； 2、交叉熵函數系列問題？與最大似然函數的關係和區別？ 1）交叉熵損失函數的物理意義：用於描述模型預測值與真實值的差距大小； 2）最小化交叉熵的本質就是對數似然函數的最大化； 3）對數似然函數的本質就是衡量在某個參數下，整體的估計和真實情況一樣的概

>>阅读原文<<