摘要：
最小二乘法 最小化误差的平方。 对于式子，y(i)是真值，ax(i)-b 是预测值。将两者差的平方和最小化，就是最小二乘法解决的问题。 x_bar ：x向量对应的均值 推导过程： 阅读全文
摘要：
待续。。 阅读全文
摘要：
线性回归算法 解决回归问题 思想简单，容易实现 是许多强大的非线性模型的基础 结果具有很好的可解释性 蕴含机器学习中的很多重要思想 基本思想：寻找一条直线，最大程度的“拟合”样本特征和样本输出标记之间的关系 如横轴房屋面积，纵轴房屋价格 由实际值x(i)代入到拟合直线方程中得到的y_hat， 即y的 阅读全文
摘要：
机器学习流程总结 阅读全文
摘要：
数据归一化Feature Scaling 当我们有如上样本时，若采用常规算欧拉距离的方法sqrt((5-1)2+(200-100)2), 样本间的距离被‘发现时间’所主导。尽管5是1的5倍，200只是100的2倍。这是由于量纲不同，导致数据不在同一个度量级上。 因此我们需要进行一些数据归一化的处理， 阅读全文