机器学习从梯度分析到回归

因素：因直播平台故障临时更换直播平台，导致视频卡顿延迟严重，为当天没有看到直播的学员道歉，但是学员仍旧热情高涨，与程博士激情互动。

问答区学生问答积极很多，老师一一作答，共提出105个问题，结束之后，学生仍恋恋不舍不肯离去

1、线性回归建模

房子的面积和价格，两者的关系是什么？

属性和标签，房子的价格，判断的因素较多

如靠近火车站、地铁站等来决定价格，这就叫做属性扩展

历史数据梯度优化，回归建模，模拟函数曲线

根据历史数据要对未来推测，这就是机器学习要干的最重要的事情之一

有些规律我们不知道，并不代表它不存在，我们把这个规律找出来，就是regression（回归）

2、梯度分析

讨论一个梯度的局部最小值，反推最大值

复杂函数无法很难全局最优，只有凸优化函数才可以

深度下降法选择负梯度方向，只是泰勒级数一阶项，它是最优的么？

3、线性回归求解

通过梯度回归实例，可以管中窥豹机器学习如何找到规律的

现场解答了105个同学提问的真实问题

如果想继续听程博士的深度讲解，请报名《机器学习数学基石版》拼团