《神经网络与深度学习》邱希鹏 第3

《神经网络与深度学习》邱希鹏 学习笔记（3）

• 完成进度
• 第二章 机器学习概述

• • 线性回归

  • • 参数学习

  • 偏差-方差分解

  • 自我理解

  • • 概率 似然 先验 后验

  • 参考文献

完成进度

• …
• 第二章 (1)
• 第二章(2)
• 第二章(3)
• …

第二章 机器学习概述

---

在本章中将系统性地阐述机器学习的核心内容及其构成要素，并深入探讨一个机器学习案例——线性回归

机器学习

实际上，在学术领域中

在早期的工程领域中，机器学习常被称为模式识别技术（Pattern Recognition），然而这些应用任务（如光学字符识别、语音识别和人脸识别）虽然在人类身上易行却背后的机制尚不明确。因此尽管这些任务看似简单但人工难以设计出一个计算机程序能够自动解决这些问题

机器学习能够主要从有标注训练数据中提取规律性特征，并可完成多种识别任务，在未来将取代传统模式识别技术作为此类问题及解决方案的统一术语。

线性回归

---

线性回归模型 (Linear Regression Model) 是机器学习与统计学中最基础且应用广泛的算法之一，在各个领域中得到广泛应用。它主要通过建立因变量