分类问题的验证117
4.2.3 精确率和召回率121
4.2.4 F值125
4.3 正则化130
4.3.1 过拟合130
4.3.2 正则化的方法131
4.3.3 正则化的效果132
4.3.4 分类的正则化139
4.3.5 包含正则化项的表达式的微分140
4.4 学习曲线144
4.4.1 欠拟合144
4.4.2 区分过拟合与欠拟合146
第5章实现——使用Python编程153
5.1 使用Python实现154
5.2 回归155
5.2.1 确认训练数据155
5.2.2 作为一次函数实现158
5.2.3 验证164
5.2.4 多项式回归的实现168
5.2.5 随机梯度下降法的实现176
5.3 分类——感知机179
5.3.1 确认训练数据179
5.3.2 感知机的实现182
5.3.3 验证185
5.4 分类——逻辑回归188
5.4.1 确认训练数据188
5.4.2 逻辑回归的实现189
5.4.3 验证194
5.4.4 线性不可分分类的实现197
5.4.5 随机梯度下降法的实现204
5.5 正则化206
5.5.1 确认训练数据206
5.5.2 不应用正则化的实现210
5.5.3 应用了正则化的实现212
5.6 后话215
附录
A.1 求和符号、求积符号218
A.2 微分220
A.3 偏微分224
A.4 复合函数227
A.5 向量和矩阵229
A.6 几何向量233
A.7 指数与对数237
A.8 Python环境搭建241
A.9 Python基础知识244
A.10 NumPy基础知识254
