线性关系：y = w1x1 + w2x2 + …… wnxn + b线性模型
最乘法/均误差损失函数
LinearRegression
正规程
SGDRegressor
梯度下降
优化损失
均误差模型评估
线性回归
LASSO
L1正则化
Ridge
L2正则化
正则化过拟合：模型过于复杂
增加数据、特征拟合：模型过于简单
过拟合和拟合
Ridge()
正则化度岭回归
分类
输：线性回归的输出
激活函数：sigmoid
对数似然函数损失函数
梯度下降优化损失
召回率
样本均衡：AUC指标
分类的模型评估
逻辑回归
joblib.dump(estimator, “*.pkl”)
estimator = joblib.load(“*.pkl”)
保存和加载模型
步骤
模型评估：轮廓系数[-1, 1]
K-Means
机学习day03
