什么是机器学习?
机器学习是一门多学科交叉专业,涵盖概率论知识,统计学知识,近似理论知识和复杂算法知识,使用计算机作为工具并致力于真实实时的模拟人类学习方式, 并将现有内容进行知识结构划分来有效提高学习效率。
简单来说,就是让电脑模拟人的学习行为,通过主动的输入大量数据,然后在特定的算法支持下产出一个"学习"后的结果。
线性回归及非线性回归
线性回归是机器学习的基础,其实就是一元一次方程。难度在于,这个一元一次方程的斜率和截距要通过最小二乘法和梯度下降法求出。线性回归可以解决一些特征少的问题,比如:房价和房屋面积的关系,可以适当的增加一些特征量,像房屋地段,房屋年龄等。
与线性回归相对应的是非线性回归,非线性回归的关键也是梯度下降。
梯度下降:数据顺着梯度最大的方向,也就是函数导数最大的放下下降,使其快速的接近结果。非线性回归就是缩小版的神经网络。
逻辑回归
逻辑回归是应用非常广泛的一个分类机器学习算法,它将数据拟合到一个logit函数(或者叫做logistic函数)中,从而能够完成对事件发生的概率进行预测。
逻辑回归的由来可以追溯到线性回归,线性回归可以对连续值的结果进行预测,但是在实际生活中更多的是是否的问题