摘要：
朴素贝叶斯分类是一种生成式分类 p(y|x) = p(y,x) / p(x) =p(x|y) p(y) | p(x) 在训练的时候假设x的所有特征是相互独立的，所以p(x|y) = 所有p(xi | y) 的乘积 只要通过贝叶斯展开+有xi独立 就能得到 这个模型里的参数就是，给定y这个条件下，生成 阅读全文
摘要：
判别式：计算 p(y|x) 生成式：计算 p(x|y) 给定类目，生成特征的概率 阅读全文
摘要：
多看看 行业领先者 前人 合作伙伴 竞争对手 做的怎么样 阅读全文
摘要：
求偏导的线性方程解和梯度下降，都是求极值的两个方法 阅读全文
摘要：
在看懂了之后，再盖上书，自己推导一遍公式，才算真正地懂了这个算法——andrew NG 阅读全文
摘要：
线性回归： 可以用损失函数来评估模型，这个损失函数可以选择平方损失函数， 将所有样本的x和y代入， 只要损失函数最小，那么得到的参数就是模型参数 逻辑回归： 可以使用似然概率来评估模型，将所有样本的x和y代入， 只要这个似然概率最大，那么得到的参数，就是模型参数 也可以理解为，其实概率模型不是用损失 阅读全文
摘要：
二分类问题可以解决很多问题， 而不是只是类似 分类为男，还是女，高或矮 可以是逻辑判断：是或否，0或1 比如 是不是 会6个月后换房子， 是不是会泡妞成功 这能表示各种情况 这些情况下，样本空间的y，是6个月后换房子 或者6个月后没换房子 是泡妞成功，或者没泡妞成功，等等 所以逻辑回归为什么是一种分 阅读全文