吃瓜教程 | Datawhale 打卡（Task 02）

主要是记录下自己格外的思考，具体细节在之后补充

我们先从线性结构开始入门，虽然很多适合线性结构的功能都是不够的，很难找到符合要求的线性模型，但是功能强大的非线性模型是可以通过引入层级结构和高维映射而得到。

线性回归
我们的目的是要使得预测值f(x)尽可能的接近y。我们的做法是改变w和b的值。为了得到最优的模型，我们可以使均方误差（回归任务中最常用的性能度量）最小化。

arg 是变元（即自变量argument）的英文缩写。
arg min 就是使后面这个式子达到最小值时的变量的取值；
arg max 就是使后面这个式子达到最大值时的变量的取值
例如 函数F(x,y):
arg min F(x,y)就是指当F(x,y)取得最小值时，变量x,y的取值；
arg max F(x,y)就是指当F(x,y)取得最大值时，变量x,y的取值。

基于均方误差最小化来进行模型求解的方法称为“最小二乘法”。

在多元线性回归中，我们将各种自变量以及其他参数转化为向量形式。（置1是对应b）
原理还是相同：要使得我们的预测值接近真实值。

“对数线性回归”得到的模型也被称为广义线模型，通过一个联系函数将线性回归预测值与真实标记练习了起来。

Reference
《机器学习》 周志华著