凸函數與凹函數

    最近在學機器學習的邏輯迴歸，它的思路很簡單，最開始我們做的是線性迴歸，也就是根據已知樣本擬合出一條能夠描述其分佈的線來，而它的評價標準是最小平方差。     爲什麼是最小平方差，而不是諸如差的絕對值之類的評價指標，這個就涉及到「最小二乘法」的思想，我們認爲線性迴歸的預測值與真實值之間的差值是符合高斯分佈的，對這個的評估就轉化爲對正態分佈表達式中參數的評估，用極大似然估計，便得到損失函數的表

>>阅读原文<<