摘要：
共轭梯度法关键是要找正交向量寻找方向，去不断逼近解。 其本质是最小二乘解的思想 最小二乘解 其中A系数矩阵是确定的，Ax是永远都取不到向量 b的，取得到那就是不用最小二乘解 我要求AX和b最小的距离，就是要求b在Ax上的投影，向量b-AX一定是要垂直于AX的 对A要求要满秩 我的最小二乘法在于找到X 阅读全文
摘要：
感知机是监督学习，适用于线性可分的样本 和fisher一样，先有训练集，再有测试集 分类的理想情况是 如果 代表y要下移动，为了清晰的说，我们将y方差写成直线一般式 y ：ax+by+c=0 其中y的法向量是（a，b） 黄色的一个是样本点的向量表示 蓝色的是法向量 写出向量的乘法公式，我选取的是标准 阅读全文
摘要：
fisher 判决方式是监督学习，在新样本加入之前，已经有了原样本。 原样本是训练集，训练的目的是要分类，也就是要找到分类线。一刀砍成两半！ 当样本集确定的时候，分类的关键就在于如何砍下这一刀！ 若以黑色的来划分，很明显不合理，以灰色的来划分，才是看上去合理的 1.先确定砍的方向 关键在于如何找到投 阅读全文