机器学习分类：回归，分类
回归：最终得到的是在一个区间上真正(实际)的值
分类：最终得到的是个逻辑值0/1，是与不是，能与不能之类的答案
名词解释：
拟合：
拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。
最小二乘法：
最小二乘法（又称最小平方法）是一种数学
优化
技术。它通过最小化误差的平方和寻找数据的最佳
函数
匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于
曲线拟合
。其他一些优化问题也可通过最小化能量或最大化熵用
最小二乘法
来表达
回归问题举例：
对问题进行数学化：
X1，X2就是我们的两个特征值（年龄，工资），而Y是最终银行会借给我们多少钱。
需要解决的问题就是：找到一条来最好拟合我们数据的点。
最终得到的整合的h(x）主要是为了使数据看起来更加的整齐，也方便以后的矩阵运算。
误差分析：
误差三个特性：独立，同分布，高斯分布
似然函数求解：
eg: 简化运算：log(AB) = logA + logB
目标函数求解：求J(0)的最小值
注意：样本服从高斯分布且独立，其最大似然估计就可以用最小二乘形式表示。
X,Y为已知的数据，即可求得佘塔
评估方法：
<wiz_tmp_tag id="wiz-table-range-border" contenteditable="false" style="display: none;">
来自为知笔记(Wiz)
转载于:https://www.cnblogs.com/DaLinY/p/5ccab13ef2a76dcc3dcc5669dd8d4cb8.html
