2.1 線性迴歸算法學習——簡單線性迴歸算法的原理及推導過程

機器學習中的參數模型（線性迴歸、邏輯迴歸、SVM、神經網絡等）學習過程： 通過建模找到一個最大程度擬合數據的模型，通過確定損失函數（或效用函數，統稱爲目標函數），最優化目標函數來獲得機器學習模型的參數。 迴歸分析： 利用已知的數據，（線性迴歸中需要找到一條直線）最大程度的擬合樣本與輸出標記，即產生擬合方程，從而對未知的數據進行預測。 如何判斷是否選用線性模型處理問題? 使用相關係數r衡量特徵與標記

>>阅读原文<<