机器学习之人工智能学习笔记：每天五分钟快速学习机器学习理论

在订阅本专栏之前，强烈建议您看一下本篇文章，因为这是本专栏将会详细介绍的内容，内容涵盖了主流的机器学习算法以及机器学习常见的技术。

机器学习是什么

主要讲解了什么是机器学习，并且机器学习分为监督学习和无监督学习，并且简单的介绍了一下，监督学习有回归和分类，无监督学习有聚类等。

单变量线性回归算法

讲解单变量的线性回归，从代价函数开始讲，为了找到最好的代价函数，也就是模型，我们需要找到损失函数（代价函数）的最小点，要想找到损失函数的最小点我们需要使用梯度下降的算法来找到最小的那个点。

线性代数和概率论的简单回顾

讲解了机器学习中的常用线性代数和概率论的基础数学知识

多元线性回归

第一节课讲解多维特征，我们前面学习的线性回归是单特征的，就是只有一个特征x，而实际问题中都是多维特征，多维特征就是指有一个样本有多个特征，要想表示一个样本，那么我们可以使用第三章学习到的向量（有下标的都不是向量，没有下标的是向量，表示一个整体）来表示：