线性模型：最小二乘法（回归问题）

模型假设

最简单模型:y=x

克服限制:t=f(x;w0;w1)=w0+w1*x

定义最佳参数:

(tn-f(xn;w0;w1))^2 数值越小越接近tn

平方损失函数：

（其它损失函数也可，

例绝对损失：Ln=l tn-f(xn;w0;w1) l

     0-1损失：L(Y,fx)=【1(Y不等于fx)；0(Y等于fx)

     对数损失：L(Y, P(Y|X)= - log P（Y l X）

     L(Y, P(Y|X))这个对数损失函数的意思是指分类为Y的情况下，使P(Y|X)达到最大。Y是代表分类为正确的分类，而P(Y|X)则是代表正确分类的概率，那对数取反是        不是P(Y|X)越大，损失函数就越小
）

Ln(tn,f(xn;w0;w1))=(tn-f(xn;w0;w1))^2 

平均损失（风险函数）~-训练误差

L=求和（Ln(tn,f(xn;w0;w1))）/N

模型化归为：