AI理论入门及数学基础

1、AI简介之分类与回归

。AI简介

   。什么是AI？

              X==>AI==>Y(输入x映射成y）

   。线性回归问题：连续输出，如天气输出

          输入：x1，x2，x3，...，xn

          输出：y

          模型：y=w1*x1+w2*x2+...+wn*xn+b

                     y=WT*X+b

eg：摄氏温度转为华氏温度

    华氏温度=摄氏温度*1.8+32

         y=1.8*x+32

假如不知道此公式，处理过程如下：

通过数据获得参数（实测数据，有一批数据，处理获得已有数据的规律）

          参数选择（参数的好坏，选择最好的数据）

          参数优化（评估函数）

          任何得到参数？

             解析法

             迭代法

   。线性分类问题：离散输出

        。线性分类模型建立

                。数学基础

                    *向量内积

       。线性分类模型评估

               。均方误差

               。交叉熵

       。线性分类模型求解

              。梯度下降法

2、线性回归模型

。线性回归模型建立

。线性回归模型评估

       。均方误差

。线性回归模型求解

      。数学基础

          *微分

          *泰勒级数

          *凸函数

          *梯度

     。梯度下降法

          *指明了最优化的“方向”