weixin_75205835的博客

损失函数在机器学习中非常重要，直接关乎模型的好坏（so?学好它）。其实第二节讲了这个最小二乘法，他的思想是使用残差和作为他的损失函数，来度量这个模型好不好，往哪个方向更新。通过最小化这个损失值，我们可以驱使模型不断学习和改进，直至达到满意的预测精度。

当这个类有一定形状（图的最上两行），即非平面流体，并且标准的欧式距离不是正确的度量标准时，聚类是非常有用的。

支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机数据线性可分，或者需要一个训练速度更快的模型，那么可以选择LinearSVC处理非线性问题，可以尝试使用SVC，并尝试不同的核函数想要一个介于SVC和LinearSVC之间的模型，你可以尝试使用NuSVC高效易于实现。

上一节大概讲解了几种学习方式，下面几张就具体来讲讲监督学习的几种算法。以下示例中和都是权重的意思！！！注：本文如有错误之处，还请读者指出，欢迎评论区探讨！