我使用python 3.7來進行學習，沒有裝配環境的同學可以到下方鏈結檢視教程。
特徵
樣本
無標籤的樣本 ：(x,
?)(x, ?)
(x,?)
模型 單個特徵的線性關係：y′=
b+w1
x1y' = b + w_1x_1
y′=b+w
1x1
多個特徵：y′=
b+w1
x1+w
2x2+
w3x3
+...
y' = b + w_1x_1 + w_2x_2 + w_3x_3 + ...
y′=b+w
1x1
+w2
x2
+w3
x3+
...訓練模型表示通過有標籤樣本來學習（確定）所有權重和偏差的理想值。在監督式學習中，機器學習演算法通過以下方式構建模型：檢查多個樣本並嘗試找出可最大限度地減少損失的模型；這一過程稱為經驗風險最小化。
顯然，左側的模型損失更大。當然僅僅這樣是不夠的，我們需要乙個量化的標準：平方損失
平方損失是一種常見的損失函式，單個樣本的平方損失可以描述為：
均方誤差（mse）：每個樣本的平均平方損失
m se
=1n∑
(x,y
)∈d(
y−pr
edic
tion
(x))
2mse = \frac \sum_ (y - prediction(x))^2
mse=n1
(x,
y)∈d
∑(y
−pre
dict
ion(
x))2
其中： pre
dict
ion(
x)prediction(x)
predic
tion
(x)指的是權重和偏差與特徵集x
xx結合的函式（計算出y′y'
y′）d
dd指的是包含多個有標籤樣本（即(x,
y)(x, y)
(x,y
)）的資料集
n
nn指的是d
dd中樣本的數量
雖然 mse 常用於機器學習，但它既不是唯一實用的損失函式，也不是適用於所有情形的最佳損失函式。
此外，由於mse的值根據平方得來，其單位與數量級均不能很好地反映原始資料的情況，在實際操作時大多會選用rmse，即對求得的值開平方。
anaconda安裝教程
python環境裝配教程（先安裝anaconda）
google官方教程鏈結
這是第一期，上方鏈結追蹤學習進度。
機器學習筆記（一） 了解機器學習
1 人工智慧是我們想要達成的目標，機器學習是想要達成目標的手段，深度學習就是機器學習的其中乙個方法。2 機器學習，根據你提供的資料尋找乙個function，如下圖，輸入一段語音知道是 how are you 輸入貓的知道是 貓 怎樣找出這個function呢？第一，要有一系列的function，即模...
機器學習筆記（一）
機器學習筆記 1,2課 一.線性回歸模型 1.數學模型 對於乙個具體的問題，x1,x2 是我們所選取的特徵，h x 是我們所建立的模型，其中有n 1個引數。我們希望所建立的數學模型可以很好的刻畫實際問題，而我們所擁有的就是訓練資料集。很自然的，我們希望數學模型可以較好的表述訓練資料集的情況。雖然對訓...
機器學習筆記（一）
統計學習三要素 模型 策略和演算法。模型分類有幾種，監督非監督，引數非引數等。監督學習又分為生成方法和判別方法。生成模型有 樸素貝葉斯和隱馬爾科夫。判別模型有 k近鄰，感知機，決策樹，邏輯回歸，em，svm，boost,crf.引數模型 引數個數固定，與訓練資料無關。非引數模型 引數個數依賴於訓練資...