<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Tangtangli_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Tangtangli_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Tangtangli_]]></copyright><item><title><![CDATA[机器学习的第一课]]></title><link>https://blog.youkuaiyun.com/Tangtangli_/article/details/149167638</link><guid>https://blog.youkuaiyun.com/Tangtangli_/article/details/149167638</guid><author>Tangtangli_</author><pubDate>Mon, 07 Jul 2025 10:38:30 +0800</pubDate><description><![CDATA[机器学习基础：线性回归与梯度下降 本文梳理了机器学习中的线性回归基础概念和优化方法。主要内容包括： 线性回归基础：介绍了线性回归的矩阵表示和基本术语（训练集、特征、目标值等），解释了模型从输入到预测的完整流程。 线性回归方程：详细说明了单样本和多样本情况下的线性模型表示，引入平方误差（MSE）作为损失函数，并阐述了参数优化的目标。 解析解：展示了如何通过矩阵运算直接求解最优参数，包括将偏置项融入权重矩阵的数学推导过程。 梯度下降：作为无法获得解析解时的替代方案，解释了梯度下降的基本原理和更新规则，强调了学习]]></description><category></category></item></channel></rss>