继续微笑lsj

看了一下机器学习这一节，感觉有点乱，人生观乱了，原来如此。     我们设想一个问题如下：学习器工作在X的实例空间和假设空间H，我们现在的任务就是根据实例空间X，然后在H空间中学习出h满足：y = h(x)。现在我们给出了训练样集D，但是D含有随机噪声，但是此噪声服从高斯分布。即满足：                    根据贝叶斯理论，我们可以利用先验概率去估计后验概率p(h|

转：http://www.cnblogs.com/LeftNotEasy/archive/2010/12/05/mathmatic_in_machine_learning_1_regression_and_gradient_descent.html  本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未

原文：http://blog.csdn.net/qll125596718/article/details/8248249      监督学习中，如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等），如果预测的变量是连续的，我们称其为回归。回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或

转：http://www.cnblogs.com/LeftNotEasy/archive/2010/12/19/mathmatic_in_machine_learning_2_regression_and_bias_variance_trade_off.html版权声明：    本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs