qq_41411175的博客

简单的线性模型我们先考虑一个简单的线性模型，表达式如下：f(x)=w1x+w0f(x) = w_1x+w_0 f(x)=w1​x+w0​其中，w1,w0∈R1w_1,w_0\in\R^1w1​,w0​∈R1，我们的损失函数定义为L(y′,y∗)=12N(y′−y∗)2L(y',y^*)=\frac{1}{2N}(y'-y^*)^2L(y′,y∗)=2N1​(y′−y∗)2其中，y′y'y′是模型预测的标签，y∗y^*y∗是真实的标签，NNN是样本的个数。那么我们的EmpiricalEmpi

超平面首先展示二维和三维空间的两个简单的例子二维：w1x1+w2x2+b=0三维：w1x1+w2x2+w3x3+b=0二维：w_1x_1+w_2x_2+b=0 \\三维：w_1x_1+w_2x_2+w_3x_3+b=0二维：w1​x1​+w2​x2​+b=0三维：w1​x1​+w2​x2​+w3​x3​+b=0那么，我们一般化，可以得到wTx+b=0w^Tx+b=0wTx+b=0w=(w1w2⋮wd)d×1x=(x1x2⋮xd)d×1w=\left( \begin{array}{