本文主要介紹一些機(jī)器學(xué)習(xí)的基礎(chǔ)概念和推導(dǎo)過程，并基于這些基礎(chǔ)概念，快速地了解當(dāng)下最熱技術(shù)AI的核心基礎(chǔ)-神經(jīng)網(wǎng)絡(luò)。

主要分為三大部分：線性回歸，邏輯回歸，神經(jīng)網(wǎng)絡(luò)。

首先看下機(jī)器學(xué)習(xí)的定義及常用的分類：

我們從一元線性回歸這個(gè)基礎(chǔ)領(lǐng)域切入

這樣一元線性回歸的問題到此結(jié)束，我們延伸到多元的場景下繼續(xù)

之前提到了多項(xiàng)式回歸基本可以擬合任何復(fù)雜的曲線，這樣理論上我們已經(jīng)解決了大部分預(yù)測問題。

然而現(xiàn)實(shí)中我們面臨更多的分類問題，對給定樣本，推斷其類別，那么用線性回歸顯然不適合的。

由此引出邏輯回歸，從統(tǒng)計(jì)學(xué)和概率論給出答案。

我們解決了to be or not to be這個(gè)二元的分類問題，那么如果面臨的是多元分類問題，我們該如何解決呢？

以下是神經(jīng)網(wǎng)絡(luò)部分，主要講解了當(dāng)下最火的深度學(xué)習(xí)的理論基石，神經(jīng)網(wǎng)絡(luò)這種古老的技術(shù)是如何在當(dāng)下發(fā)揮重要作用的。

因此我們說神經(jīng)網(wǎng)絡(luò)有自學(xué)習(xí)的功能，可以學(xué)習(xí)出來我們無法直接表述的隱性特征，而這些特征正是機(jī)器可以模擬人類來認(rèn)知世界的方式。

我們再回過頭來看之前用邏輯回歸解決多元分類的問題，神經(jīng)網(wǎng)絡(luò)給出了更優(yōu)雅的答案。

以上主要講述了機(jī)器學(xué)習(xí)中監(jiān)督學(xué)習(xí)理論中的主要枝干部分。

無監(jiān)督學(xué)習(xí)也可以為我們提供很多解決問題的方案。

總結(jié)

以上是生活随笔為你收集整理的逻辑回归和线性回归的区别_机器学习简介之基础理论- 线性回归、逻辑回归、神经网络...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。