Coursera 华盛顿大学机器学习系列课程回归分析第二周
那么这门课讲的其实还蛮简单的，主要关注如何得到w，所以都在搞gradient descent。John Hopkins的数据科学课程就难多了= =。
传送们 有道好方便，懒得搬啦。。。
继续阅读 »
Coursera 华盛顿大学机器学习系列课程回归分析第一周
传送们 有道好方便，懒得搬啦。。。
继续阅读 »
如何评估一个回归模型
loss function
首先定义loss function，即预测错误带来的损失，通常使用y-yhat的绝对值或者平方。但不绝对，比如在预测放假时如果估值过高，则可能完全卖不出去，带来的损失更大，因此可以定义loss function使估值过高带来的loss比估值过低带来的loss更大。
继续阅读 »
对于以下这样的数据应该如何用回归模型来预测呢？
r
x
继续阅读 »
最后两周懒得做笔记了，一张张截图好费时间。已经把pdf，ipython notebook，data都上传到github，ipython notebook还转换成了markdown文件方便阅读。
Github Repo
华盛顿大学的这门公开课真的很棒，很照顾新手，把用到的数学符号都解释了，同时又不会太水。比起约翰霍普金斯的数据科学偏向理论，后者的回归模型主要讲的怎么用，而这门则是深入讲解回归模型的参数如何得来，还有各种问题以及对应的解决方案。
关键词：
Close-form solution
gradient descent
ridge regression
lasso re
继续阅读 »
Regularization
上周已经讲了overfitting，那么当我们所有的数据量特别大的时候，即使有很多个特征模型也很难overfit。
继续阅读 »