【机器学习笔记】第一、二章：基础术语、模型评估和选择

序号	任务	内容	学习视频链接	完成情况
1	第1，2章绪论 模型评估与选择	(1) 1.4-归纳偏好 (2) 2.3.3-ROC与AUC及其之后可以跳过		✅
2	第3章 线性模型	3.1 一元线性回归 3.2 多元线性回归 3.3 对数几率回归 3.4 线性判别分析	2 3 4 5	✅
3	第4章 决策树	4.1 4.2	6	✅
4	第5章 神经网络	5.1 5.2 5.3	7	✅
5	第6章 支持向量机	6.1、6.2 支持向量机 6.4、6.5 软间隔与支持向量回归	8 9	✅

上思维导图写的是模型

• 极大似然、交叉熵是用来计算损失（loss）
• 梯度下降、牛顿法是用来优化的，最小二乘法是选择平方差作为loss的优化方法

深度学习训练的时候每一轮都会计算输出loss然后根据梯度下降法进行优化