文章目录 一、线性回归 1.最小二乘法的本质 2.最小二乘法之正规方程-θ解析过程 广义逆矩阵与SVD 3. L1正则化与L2正则化原理简述 R²与ESS介绍 4.机器学习与数据使用 5.梯度下降算法 1)梯度方向 2)三种梯度下降算法 6.局部加权线性回归 二、Logistic回归-二分类 1.Logistic回归参数 2.线性模型GLM 3.对数线性模型 4.Logistic回归的损失函数 三、多分类:Softmax回归 总结 一、线性回归 最重要且常见的回归 假设: 机器学习当中往往伴随着假设 1.假设的内涵性:就是根据常理应该是正确的 2.假设的简化性:假设只是接近事实,往往需要做若干假设 3.假设的发散性:在某个简化的假设下推导得出的结论,不一定只有在假设成立时,结论才正确。 1.最小二乘法的本质 2.最小二乘法之正规方程-θ解析过程 广义逆矩阵与SVD