機器學習常用模型及優(yōu)化

1、第一章模型建立1.1回歸模型：回歸模型：條件：條件：1.數據2.假設的模型結果：結果：用模型對數據學習，預測新數據1.1.1一元線性回歸模型（最小二乘法）一元線性回歸模型（最小二乘法）它通過最小化誤差的平方和尋找數據的最佳函數匹配我們以最簡單的一元線性模型來解釋最小二乘法。什么是一元線性模型呢？監(jiān)督學習中，如果預測的變量是離散的，我們稱其為分類（如決策樹，支持向量機等），如果預測的變量是連續(xù)的，我們稱其為回歸假設從總體中獲取了n組觀察值

2、（X1，Y1），（X2，Y2），…，（Xn，Yn）平方損失函數1.2神經網絡模型神經網絡模型1.2.1神經元神經元首先來一個三輸入單輸出的神經元，輸入輸出都是二進制（01）。舉例來說：X1表示天氣是否好X2表示交通是否好X3表示是否有女朋友陪你Y表示你是否去電影院看電影要讓這個神經元工作起來，需要引入權重，w1w2w3。這樣就有了：（1）W1表示”天氣是否好”對你做決定的重要程度W2表示”交通是否好”對你做決定的重要程度W3表示”是否有