深度学习(一) 相关介绍
一：机器学习总括：
(正在完善中。。。。。)
| 类别 | 常见算法 | |
| 监督学习：分类 | 决策树（DT） | |
| 临近取样（KNN） | ||
| 支持向量机（SVM） | ||
| 神经网络算法（NN） | ||
| 监督学习：回归 | 线性回归() | |
| 非线性回归 | ||
| 非监督学习 | 聚类 | |
二、机器学习相关概念
1. 线性回归
其中x是矩阵，
1).独立，认为各个样本之间是没有关联的。
2） 高斯分布，用高斯分布来描述预测结果，小于0认为是低于，大于0认为是高于。
3） 均值为0，y=wx+b，这里b是可控的，可以通过调整y来，来使左右分布均衡。
4） 方差是可以自己指定的
累乘比较麻烦，取对数转为加法，方便计算(对数似然)。
把累成换成累加，最后J()称为目标函数,即最小二乘法。所以最小二乘法就是要求的目标。
具体带入求解。一般是求不出来。就出来最优化问题。