同步于CSDN;音尘杂记

最近在做一个比较有意思(难搞…)的项目。大致介绍一下相关背景：根据历史的一个工作情况(历史表现，也就是多少人做了多少工作量)，以及未来的一个预估工作量(预测值)，我们需要预估一个合理的人员投入;一言概之，根据历史表现和预测件量预估人员投入。

同步于CSDN;音尘杂记

前面在浏览sklearn中关于Logistic Regression部分，看到关于带正则项的LR目标损失函数的定义形式的时候，对具体表达式有点困惑，后查阅资料，将思路整理如下。

同步于CSDN;音尘杂记

前面在回顾sklearn时，在广义线性模型中看到选择模型时可以采用AIC和BIC准则，特地复习了下统计学基础，简记如下，以抛砖引玉。

---

同步于CSDN;音尘杂记

前言

支持向量机(Support Vector Machine)的原理其实比较简单，它是基于结构风险最小化理论之上在特征空间中建构最优分割超平面。在二维中就是线，在三维中就是面，但我们统称为超平面。