主要内容: 1.模型数学表达式 2.模型目标函数 3.求模型参数 极大似然估计(MLE) 贝叶斯最大后验估计(MAP) 1.模型公式: y = wx +b 从一维到n维: h_{\theta}(x) = \sum_{i=0}^{x}{\theta_{i}x_{i}} = \theta^{T}x 2.目标函数:(或者叫“损失函数”,就是度量预测值和真实值的差距) J(\theta) = \frac{1}{2}\sum_{i=1}^{m}{(h_{\theta}(x_{i}) - y_{i})^{2}} a.解释1:直观的理解,就是计算“预测值”和“真实值”的距离,但是因为有正负,所以一般就取差的平方。 b.解释2:通过模型函数: y_{i} = \theta^{T}x_{i} + \varepsilon_{i}, 假设 \varepsilon_{i} \sim N(0, \sigma^{2}) (均值为0的高斯分布) 通过MLE推导: