本文主要是介绍《机器学习（周志华）》Chapter3 线性模型 课后习题答案，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
偏置项b在数值上代表了自变量取0时，因变量的取值；
1.当讨论变量x对结果y的影响，不用考虑b； 2.可以用变量归一化（max-min或z-score）来消除偏置。
这里提供大致思路，对一元函数而言，求二阶导，如果二阶导小于零则为凸函数，否则为非凸。
若对多元函数求二阶导，需要得到Hessian矩阵，然后根据Hessian的正定性判定函数的凸凹性，比如Hessian矩阵半正定，函数为凸函数；Hessian矩阵正定，严格凸函数
https://wenku.baidu.com/view/5bd89d3f5acfa1c7aa00ccd2.html
3.3编程实现对率回归
3.4 10折交叉验证和留一法对率回归的错误率
3.5 编程实现线性判别
给出两种思路：
- 参考书p57，采用广义线性模型，如 y-> ln(y)。
- 参考书p137，采用核方法将非线性特征空间隐式映射到线性空间，得到KLDA（核线性判别分析）。
参考书p66，对OvR、MvM来说，由于对每类进行了相同的处理，其拆解出的二分类任务中类别不平衡的影响会相互抵销，因此通常不需专门处理。
以OvR（一对其余）为例，由于其每次以一个类为正其余为反（参考书p63），共训练出N个分类器，在这一过程中，类别不平衡由O的遍历而抵消掉。
参考网址：
https://blog.csdn.net/snoopy_yuan/article/details/64921495
这篇关于《机器学习（周志华）》Chapter3 线性模型 课后习题答案的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
