邱锡鹏 神经网络与深度学习课程【三】——机器学习概述2和3

线性回归 模型为f(x;w,b)=W^T X +b W为权重向量 X为特征向量 可转为 增广权重向量和 增广特征向量 优化方法： 经验风险最小化 一些线性代数的知识  模型以及loss function的推导  优化方式：求导  结构风险最小化 模型与经验风险最小化一致，loss function 有一些区别  最大似然估计 概率的基础知识        似然（Likelihood）在贝叶斯公式的

>>阅读原文<<