文章目录
尽量用大白话把算法核心思想用一句话概括，方便记忆理解
1.线性回归
是一种方法，是为了找到特征值(X1……Xn)和目标值(y)的映射函数关系
该函数也称线性模型,一般表示为y=w1X1+w2X2+……+wnXn+b（w权重，b偏置）
损失函数：通过真实y1…yn和预测h1…hn作出最小二乘法构建
优化损失：正规方程（直接求出w,但求解速度取决于特征值数量）和梯度下降（逐渐试出w）
过拟合：模型在训练集表现的太好，但在测试集表现太差
解决方法：正则化，使得其中一部分w趋近0，消除存在嘈杂特征
欠拟合：模型在训练集表现的太差，但在测试集表现太差
解决方法：增加特征
岭回归：线性回归+正则化
2.逻辑回归
原理
2.1 线性回归模型作为输入
2.2 带入到激活函数即可映射到[0,1]，0.5是阈值，达到分类作用
应用场景：二分类问题
