邱錫鵬 神經網絡與深度學習課程【三】——機器學習概述2和3

線性迴歸 模型爲f(x;w,b)=W^T X +b W爲權重向量 X爲特徵向量 可轉爲 增廣權重向量和 增廣特徵向量 優化方法： 經驗風險最小化 一些線性代數的知識  模型以及loss function的推導  優化方式：求導  結構風險最小化 模型與經驗風險最小化一致，loss function 有一些區別  最大似然估計 概率的基礎知識        似然（Likelihood）在貝葉斯公式的

>>阅读原文<<