机器学习入门（笔记）

1.回归问题

1.线性回归

例子：给定工资和年龄（特征），预测银行会贷给我多少钱（标签），考虑工资和年龄各自对于银行贷款结果有多大影响（参数）。
建立方程：Y = AX1 + BX2

注：1.X1,X2时两个特征，Y是银行会借给我们的钱数
2.由于是线性的，所以没法拟合所有的点，只能找到一个最合适的来拟合。

特征与偏置项

sie ta 1和2 是权重项，0是偏置项（可以让结果上下微调）
由于sei ta0的存在，因为我们对数据的运算都是对矩阵的操作，所以我们往往会在新加一个特征项X0，值均为1，是为了形成矩阵而已。

误差

定义：真实值和预测值之间存在的，误差是独立并且具有相同的分布，并且服从均值为0，方差为sei ta 平方的高斯分布（接近）

独立：各个样本之间无关
分布相同：他俩来的都是我们假定的同一个银行
高斯分布：银行有可能多给，有可能少给，分别用正负表示，均值为0；

上图为高斯分布，绝大多数在0左右，极少的数据偏差较大。