Coursera台大机器学习课程笔记10 -- Linear Models for Classification

这一节讲线性模型，先将几种线性模型进行了对比，通过转换误差函数来将linear regression 和logistic regression 用于分类。

比较重要的是这种图，它解释了为何可以用Linear Regression或Logistic Regression来替代Linear Classification

然后介绍了随机梯度下降法，主要是对梯度下降法的一个改进，大大提高了效率。

最后讲了多类别分类，主要有两种策略：OVA和OVO

OVA思想很简单，但如果类别很多并且每个类别的数目都差不多时，就会出现数据不均衡的问题。

这个问题可用OVO解决，每次选择两个类别，然后进行投票。