摘要： 1）何为随机梯度下降 优化方法 迭代更新，来寻找函数全局最优解的方法 与最小二乘法相比：适用于变量众多，模型更复杂 2）梯度 变化最快，“陡峭” 通过函数表达式来衡量梯度 3）随机梯度下降原理推导过程 4）随机梯度下降的优点 计算量更小 擅长大量样本 学习率决定了算法速度 阅读全文

摘要： 1）最小化残差平方和 2）原理，推导过程 3）例子 阅读全文

摘要： 1）机器学习模型理解 统计学习，神经网络 2）预测结果的衡量 代价函数（cost function）、损失函数（loss function） 3）线性回归是监督学习 阅读全文

摘要： 1）简介 自变量，因变量，线性关系，相关系数，一元线性关系，多元线性关系（平面，超平面） 2）使用线性回归算法的前提 3）应用例子 沸点与气压 浮力与表面积 阅读全文

摘要： 1）回归与分类算法的区别 回归的预测结果是连续的，分类的预测结果是离散的。 2）spark实现的回归算法有： 3）通过相关系数衡量线性关系的程度 阅读全文

摘要： 说明 说明 本章主要讲解基础统计部分，包括基本统计、假设检验、相关系数等 数据集 数据集 数据集有两个文件，分别是： 源代码 源代码 源代码比较少，故在此给出： 基础统计 基础统计 一致性 一致性 假设检验 假设检验 阅读全文

摘要： 1）介绍 矩阵： Matrix,看做二维表，基本运算（+，-，*，T） 向量： Vectors,方向和大小，基本运算，范数 2）spark中向量的使用（主要使用breeze.linalg） 3）spark中矩阵的使用 阅读全文

摘要： 文章推荐 测试开发之路--UI自动化常用的设计模式 链接：https://testerhome.com/topics/15768 （二）：https://testerhome.com/topics/16042 [腾讯 TMQ][浅谈 Chromium 中的设计模式 (一)]——Chromium 中模 阅读全文

摘要： http://www.echartsjs.com/examples/ 阅读全文