第二讲

主要讲了回归的一些列问题，从简单的线性回归到岭回归、LASSO回归。
而回归问题总的来说就是根据所选定的特征值，通过选定的参数也就是权重，计算出预测的目标值，而学习的过程就是得出最符合的权重，使得预测值能够接近真实的目标值。
但是如果一个模型过于复杂，在训练时预测的很准确，那么就会出现过拟合的问题，即所建立的模型过于拟合训练集，但是实际上的样本是不会跟训练集一样的，因此在测试时就会出现偏差特别大的现象，而对于这一问题则可以使用正则化、主成分回归、偏最小二乘回归。常用正则化。