Google机器学习课程笔记（3）
特征组合：不要组合过度
简单正则化
添加模型复杂度惩罚项、结构风险最小化（简化模型）
L2正则化
逻辑回归
S型函数：，确保输出在0，1之间
逻辑回归的损失函数：对数损失函数
其中（x,y）为数据集，y为标签，y‘为预测值
分类：使用逻辑回归解决分类任务
评估指标：精确率与召回率
分类阈值
2X2混淆矩阵：
ROC和曲线下面积
预测偏差=预测平均值-相应标签平均值
造成预测偏差的可能原因包括：
- 特征集不完整
- 数据集混乱
- 模型实现流水线中有错误？
- 训练样本有偏差
- 正则化过强
为什么只有模型的某些部分所做的预测如此糟糕？以下是几种可能性：