45 - 逻辑回归

45-1 课程引入

45-2 监督式vs非监督式机器学习

45-3 分类vs聚类

45-4 分类算法vs回归分析

45-5 为什么线性模型不适用？

45-6 逻辑回归的前提假设

45-7 逻辑回归的公式及问题

45-8 混淆矩阵与ROC曲线

45-9 模型永远都不是完美的

45-10 过拟合vs欠拟合与交叉验证

45-11 逻辑回归分析流程

45-12 数据导入

45-13 Data Exploratory

45-14 Create dummy variables & Feature Selection

45-15 Implementing the model & Logistic Regression Model Fitting

45-16 Cross Validation & Confusion Matrix