a1集成学习上-02掌握基本的回归模型-202103

机器学习的基本步骤：

1. 明确项目任务：回归/分类 收集数据集并选择合适的特征。
2. 选择度量模型性能的指标。
3. 选择具体的模型并进行训练以优化模型。
4. 评估模型的性能并调参。
   本次task02只要是对第三步模型进行展开，重点是线性回归模型，通过最小二乘估计/几何解释和概率视角来求解损失函数，并将线性回归模型推广至多项式线性回归和GAM模型框架。同时将了决策树和支持向量机。
   针对本次打卡学习，线性回归基本理解，但是涉及求导/最小二乘法等计算，手推有难度，主要是线性代数/矩阵等数学知识大部分都还给老师。好在日常工作对此块要求没有那么高的要求，以实际应用为主，所以此处对自己的要求以理解为主吧。
   决策树和支持向量机模型，比较陌生，看着感觉似懂非懂，希望结合直播进一步理解。

参考
1、开源内容：https://github.com/datawhalechina/team-learning-data-mining/tree/master/IntegratedLearning
2、线性回归模型（一）：https://zhuanlan.zhihu.com/p/109808497
3、线性回归模型（二）：https://zhuanlan.zhihu.com/p/109815760
4、线性回归模型（三）：https://zhuanlan.zhihu.com/p/109819252
Liner Regression-线性回归：https://zhuanlan.zhihu.com/p/49480391