文章目录
- 线性回归
- 逻辑回归
- 线性判别分析
- PCA
- k-means
- 决策树
- svm
- 随机深林
- GBDT
- xgboost
- 强化学习
- MapReduce
线性回归
逻辑回归
对于分类问题：输出0/1，超过[0,1]没有意义，使用sigmoid函数
**代价函数：**使用L2平方差，由于模型函数变了，会导致J()变成非凸函数，有可能出现很多局部最小值，梯度下降很难收敛到全局最小值
线性判别分析
LDA思想：将高维样本投影到具有最佳判别效果的低维矢量空间，使得降维样本在新的子空间内类间距离最大，类内距离最小，在该低维空间内有最大的可分性。
PCA
k-means
决策树
svm
随机深林
GBDT
xgboost
强化学习
MapReduce
