【机器学习课程-华盛顿大学】：2 回归 2.6 总结
整体内容总结：
一、一元回归
梯度下降：
二、多元回归
（1）梯度=0
（2）梯度下降
三、性能评估
举例：
三种误差：
训练误差、真实误差和模型复杂度的关系：
预测误差的3个来源：
偏差、方差的折中：
四、Ridge岭回归：L2正则化解决过拟合
五、Lasso回归：L1正则化
坐标下降：
六、最近邻和核回归
加权knn：
核回归：
梯度下降：
（1）梯度=0
（2）梯度下降
举例：
三种误差：
训练误差、真实误差和模型复杂度的关系：
预测误差的3个来源：
偏差、方差的折中：
坐标下降：
加权knn：
核回归：