【机器学习课程-华盛顿大学】：2 回归 2.6 总结

整体内容总结：   一、一元回归 梯度下降：   二、多元回归 （1）梯度=0 （2）梯度下降   三、性能评估 举例：   三种误差：   训练误差、真实误差和模型复杂度的关系：   预测误差的3个来源：   偏差、方差的折中：   四、Ridge岭回归：L2正则化解决过拟合   五、Lasso回归：L1正则化 坐标下降：   六、最近邻和核回归 加权knn：   核回归：

>>阅读原文<<