逻辑回归和线性回归的区别_线性回归和逻辑回归

一、什么是机器学习

利用大量的数据样本，使得计算机通过不断的学习获得一个模型，用来对新的未知数据做预测。

• 有监督学习（分类、回归）

同时将数据样本和标签输入给模型，模型学习到数据和标签的映射关系，从而对新数据进行预测。

• 多变量情况：

二维空间的直线，转化为高维空间的平面

2.1 线性回归的表达式

机器学习是数据驱动的算法，数据驱动=数据+模型，模型就是输入到输出的映射关系。

模型=假设函数（不同的学习方式）+优化

1. 假设函数

2. 优化方法

监督学习的优化方法=损失函数+对损失函数的优化

4. 损失函数的优化

损失函数如右图所示，是一个凸函数，我们的目标是达到最低点，也就是使得损失函数最小。

多元情况