人工智能知识点-学习笔记

断断续续学习了人工智能的标准教材《人工智能一种现代的方法》，经典教材内容全面详细，篇幅也很大，需要一定的基础知识。而且老外的行文方式，和我们不一样，看着比较费力，所以在读机器学习这一章节时，先看了breakloop的微博https://blog.csdn.net/daihuimaozideren/article/details/82977972，了解一些基础知识，再去学习。

1.线性回归

知识点：线性关系，线性回归，假设函数，代价函数，学习速率，梯度下降，特征向量

连续的用回归，离散的分类。假设函数是目标，代价函数是用来评估误差的，使用梯度下降算法，学习速率是一个参数，多元的方法类似，使用最小二乘法计算。

2.逻辑回归

知识点：决策边界，凸函数，非凸函数

逻辑回归是用来解决分类问题的，借用了线性回归的方法，使用引入sigmoid函数来处理假设函数，，

凸函数就是有极大值的函数，任意二点的连线都在内部，二次导数大于0。使用对数函数作为代价函数。枚举问题（有多个y值）使用多个代价函数（具体如何计算暂不清楚）