一、基本思想
-
定义：线性模型试图通过属性的线性组合进行预测：
或向量形式：
-
特点：
-
形式简单、可解释性强（权重 wi表示属性重要性）
-
许多非线性模型可在线性模型基础上引入层级结构或高维映射得到
-
二、线性回归
-
目标：预测实值输出标记
-
单变量情形：
- 使用最小二乘法求解 w 和 b
-
多变量情形：
-
广义线性模型：
三、对数几率回归（逻辑回归）：做分类
-
用途：二分类任务
-
核心思想 ：用对数几率函数（Sigmoid）将线性输出映射到 (0,1)(0,1)：
-
优势：
-
直接对分类概率建模
-
输出具有概率意义
-
是凸函数，易于优化
-
-
参数估计：使用极大似然估计，通过梯度下降或牛顿法求解
四、线性判别分析（LDA）：找最佳投影线
-
思想：将样本投影到一条直线上，使得：
-
同类样本的投影点尽可能接近
-
异类样本的投影点尽可能远离
-
-
目标函数（广义瑞利商）：
- 多分类推广：可扩展到多分类任务，并可用于监督降维
五、多分类学习策略
-
基本思路：将多分类任务拆解为多个二分类任务
-
三种经典策略：
-
OvO（一对一）：训练 N(N−1)/2N(N−1)/2 个分类器，通过投票决定类别
-
OvR（一对其余）：训练 NN 个分类器，选择置信度最高的
-
MvM（多对多）：如ECOC（纠错输出码），通过编码与解码容错
-
3. 多对多（MvM）
通俗解释 ：OvO和OvR都比较"极端"------要么是1v1，要么是1v全部。而MvM（RvR）则更加灵活：每次将一部分类别划为"正队"，另一部分类别划为"反队"，让这两个队伍进行PK。
核心步骤：
-
编码：设计多轮团队对抗赛。每一轮，都按照一个规则把3个类别分成"正队"和"反队"，训练一个分类器。
-
解码：一个新样本（新瓜）来的时候，让它参加所有这些"比赛"，看它在每一轮中被分到了"正队"还是"反队"，从而得到一个由（+1， -1）组成的"身份编码"。最后，看这个编码最像哪个类别的预设编码。
总结与对比
| 策略 | 形象比喻 | 核心思想 | 优点 | 缺点 |
|---|---|---|---|---|
| OvO（一对一） | 循环单挑赛 | 两两配对，训练多个分类器 | 训练每个分类器只用两类数据，相对简单 | 分类器数量多（N(N-1)/2） |
| OvR（一对其余） | 海选+总决赛 | 一个类别 vs 其余所有类别 | 分类器数量少（N个） | 每个分类器训练数据不均衡，训练难度大 |
| MvM（多对多） | 团队对抗赛 | 部分类别 vs 另一部分类别 | 设计灵活，有纠错能力 | 编码设计复杂，需要专业知识 |
六、类别不平衡问题
-
问题：不同类别的训练样本数差异大，导致模型偏向多数类
-
解决方法：
-
再缩放：调整决策阈值
-
欠采样：减少多数类样本
-
过采样：增加少数类样本（如SMOTE）
-
阈值移动：在决策过程中嵌入再缩放
-
-
与代价敏感学习的关系：将再缩放中的样本比例替换为误分类代价