摘要：一.背景 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。 通过这段描述可以看出来，最小二乘法也是一种优化方法，求得目标函数的最优值。并且也可以用于曲线拟合，来解决回归问题。难怪《统计学习方法》中提到，回归学习最常用的损失函数是平方损失函数，在此情况下，回归问题可以著名的最小二乘法来解决。看来最小二乘法果然是机器学习领域做有名和有效的算法之一。二. 最小二乘法 . 阅读全文

摘要：1.人类及动物的学习模式：观察->学习->技能机器学习的模式：data->ML(机器学习)->skill2.那什么是skill:技能是某种表现方法的增进 eg:stackdata->ML->more investment gain3.为什么需要机器学习而不是简单的定义：因为现实中的问题往往比较复杂，不能简单的定义。eg:怎么定义一棵树，只能learn from data.4.碰到问题了，判断是否可以运用机器学习，三个方面来判断： 1）：pattern:是否存在一些潜在的模式（表现方法可以增进eg:预测股市） 2）：definition：潜在的模式不容易被定义 阅读全文