達某真是滑天下之大稽

总结机器学习常用损失函数（Loss Function），不断更新。平方损失函数平方损失函数即最小二乘法。最小二乘法是线性回归的一种，最小二乘法（OLS）将问题转化成了一个凸优化问题。在线性回归中，它假设样本和噪声都服从高斯分布，最后通过极大似然估计（MLE）可以推导出最小二乘式子。最小二乘的基本原则是：最优拟合直线应该是使各点到回归直线的距离和最小的直线，即平方和最小。换言之，OLS是基于距离的，而这个距离就是我们用的最多的欧几里得距离。为什么它会选择使用欧式距离作为误差度量呢（即Mean.

思维导图classification（分类问题）Generative model

梯度下降法梯度：多参数的梯度下降法：注：线性回归中，默认一切函数为凸函数，没有局部最优点。误差误差包括偏差（bias）和方差（variance）。数据选择我们总共有三个数据集：training set（训练集），validation set（交叉验证集），testing set（测试集）...

1、Linear Regression（Regression）2、Logistic Regression（Classification）3、Graph Neural Network4、Recurrent Neural Network5、Unsupervised Learning6、Explainable Al7、Adversarial Attack8、Network Compression9、Anomaly Detection10、Generative Adversa..

有时间了会详细写一下。