Google機器學習課程筆記（3）

特徵組合：不要組合過度 簡單正則化 添加模型複雜度懲罰項、結構風險最小化（簡化模型） L2正則化 邏輯迴歸 S型函數：，確保輸出在0，1之間 邏輯迴歸的損失函數：對數損失函數 其中（x,y）爲數據集，y爲標籤，y‘爲預測值   分類：使用邏輯迴歸解決分類任務 評估指標：精確率與召回率 分類閾值 2X2混淆矩陣：   ROC和曲線下面積   預測偏差=預測平均值-相應標籤平均值 造成預測偏差的可能原

>>阅读原文<<