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)