分类入门学习路线 · 逻辑回归、调参与类别不平衡

内容与使用说明

先阅读逻辑回归与超参数调整，再看多分类与不平衡类别处理。适合已了解训练集、测试集和分类指标的读者，结合PDF中的示例结果整理自己的实验步骤。 资料范围 收录3份英文PDF笔记和MIT许可文本。PDF包含说明、代码示例及已有输出；本页不包含可执行Notebook、原始数据集或视频，复现实验需按原项目自行准备依赖和数据，不是一键运行课程包。 建议阅读顺序 1. 11.1-Logistic Regression with Hyperparameter Tuning.pdf 2. 11.2-Logistic_Regression_MultiClass.pdf 3. 11.3-Logistic_Regression_with_Imbalance_data.pdf 练习建议 按章节记录关键概念、输入数据、处理步骤和评估指标。阅读完一个示例后，用自己的小数据复现并比较结果；遇到引用数据缺失时返回原项目核对。 作者：Uditya Narayan Tiwari 原项目：https://github.com/udityamerit/Complete-Machine-Learning-For-Beginners/tree/64d7286a653e9a8b43bcc9c0f9eebc8419b66d0e/11-Complete%20Logistic%20Regression/Notes 许可：MIT，保留随附版权和许可声明。 收录文件（4份，共0.50 MiB）： • 01-Logistic-Regression-with-Hyperparameter-Tuning.pdf • 02-Logistic_Regression_MultiClass.pdf • 03-Logistic_Regression_with_Imbalance_data.pdf • LICENSE.txt 上游原文件与许可一并保留。

来源与许可

项目README明确说明仓库使用MIT许可，作者署名Uditya Narayan Tiwari；保留原PDF及完整许可，逐文件核对Git对象哈希，不把第三方课程宣传为官方课程。

MIT

Uditya Narayan Tiwari，完整版权声明见LICENSE.txt。