Mankind的博客

线性回归是利用数理统计学中的回归分析来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。它试图学得一个通过属性的线性组合来进行预测的函数，如下图所示二维平面上的点是我们的数据，那么线性回归能根据这些数据得到一条直线，这条直线我们用来做什么呢？答案是预测。根据样本拟合出来的这条直线，我们可以对之后的各种输入，得到对应的输出，从而做出预测。线性回归的一般形式如下

机器学习中有两类的大问题，分类和聚类。下面要介绍的是分类算法中的决策树和随机森林，它们是常见的分类算法。分类，什么是分类？首先要有大量对象，并且知道这些样本对象的特征和所属类别，把这些数据告诉计算机，让计算机总结分类的原则。形成一个分类模型，这样我们可以通过这个分类模型，对未知分类的样本交给他完成分类过程。下面我们可以看看决策树的一个例子。下图是某女青年在决定相亲对象是时会进行的一系列决策过程

卷积神经网络是一种在图像识别与分类领域被证明特别有效的神经网络。卷积网络已经成功地识别人脸、物体、交通标志，应用在机器人和无人车等载具。接下来将通过对一个一个概念的讲解，帮助大家更好地理解卷积神经网络。卷积首先希望大家对整个CNN网络有一个总体的把握，假设我们输入一个图像，经过特征提取层，池化层，全连接层（不一定是固定的顺序）之后，我们希望得到的是这个图像对于每一个类别的概率值。要