回归算法
线性回归算法
什么是回归算法
线性回归
回归算法理性认知
线性回归
线性回归、最大似然估计及二乘法
最小二乘
似然函数
对数似然、目标函数及最小二乘
θ的求解过程
最小二乘法的参数最优解
普通最小二乘法线性回归案例
目标函数
模型
多项式回归算法
过拟合
线性回归的过拟合
过拟合和正则项
Ridge回归
LASSO回归
Ridge（L2-norm）和LASSO（L1-norm）比较
Elasitc Net
线性回归算法过拟合比较
模型效果判断
机器学习调参
梯度下降案例
梯度下降法
梯度方向
批量梯度下降算法 BGD
随机梯度下降算法 SGD
BGD和SGD算法比较
小批量梯度下降法 MBGD
三者的区别。BGD,SGD,MBGD
线性回归的扩展
总结
局部加权回归-损失函数
局部加权回归-权重值设置
局部加权回归-直观理解
正则化
Logistic回归算法
Logistic回归及似然函数
最大似然/极大似然函数的随机梯度
极大似然估计与Logistic回归目标函数
θ参数求解
softmax回归算法 - 分类
算法原理
softmax算法损失函数
softmax算法梯度下降法求解
梯度下降
特征抽取
线性回归案例
机器学习
原文：https://www.cnblogs.com/zqz365001/p/13158041.html
