概念介绍（机器学习）

似然函数：似然函数在形式上就概率密度函数。   似然函数用来估计某个参数。

最大似然函数：就是求似然函数的最大值。         最大似然函数用于估计最好的参数。

最小二乘法：它通过最小化误差的平方和寻找数据的最佳函数匹配。就是求 y=a1+a2x的系数。通过最小化误差的平方，然后求系数的偏导数，令导数为0，求解。

梯度下降法，基于这样的观察：如果实值函数  在点  处可微且有定义，那么函数 在  点沿着梯度相反的方向  下降最快。就是求最低点。

局部加权回归：它的中心思想是在对参数进行求解的过程中，每个样本对当前参数值的影响是有不一样的权重的，自己上网搜吧。

概念介绍（机器学习）