考研复试机器学习-导学-01线性回归

考研复试之机器学习中的线性回归

现在的考研复试白热化，学习机器学习是必不可少的，这一系列文章以我个人的学习笔记和心得，分享下我的机器学习学习经历

1. 知识框架
2. 学习要点以及推荐去看的代码资料
3. 考研复试一般问什么

知识框架

上一个我个人画的知识框架图：

学习要点以及推荐去看的代码资料

我推荐大家去看公众号“机器学习实验室”的机器学习专栏里面的手推机器学习公式和算法，比较准确和数学理解。你首先要明白这些什么是线性拟合公式，损失函数是MSE，以及最小二乘法和梯度下降的原理和实现，如果学有余力可以了解一下R2公式，这个是评价回归模型好坏的一个指标，我推荐大家先去推导一遍数学公式，然后去看别人怎么用numpy+python手动实现这些模型，加还说呢理解

考研复试一般问什么

我之前考研复试的时候问过这些问题：

1. 解释一下什么是线性回归？公式是什么？损失函数是什么？
2. 什么是最小二乘法？什么是梯度下降法?
3. learning_rate过大会出现什么？learning_rate过低会出现什么？
4. 评价线性回归模型的指标是什么?