一、机器学习

机器学习包括监督学习和无监督学习两种

监督学习：学习X->Y或者输入到输出的映射算法，从而学习算法从“正确答案”中学习

两种主要的监督学习：回归和分类

无监督学习： 从未标记数据中学习，训练模型

分类：聚类算法，异常检测，降维

二、线性回归算法

线性回归算法：f(x)=wx+b     找到参数w或w和b，使得代价函数j的值尽可能小。

成本函数：量化模型预测结果与真实目标之间的差异，为模型参数优化提供 “方向信号”—— 优化算法（如梯度下降）通过最小化成本函数，逐步调整模型参数，提升模型性能。

代价函数：越小拟合越好，因此使用下面这个公式来找使J尽可能小的w

梯度下降算法：用于自动找到使成本函数J最小化的参数W和B的值，从而得到最佳拟合线。

梯度下降算法的实现：重复以下两步，直到收敛。（其中w和b同步更新，α表示学习率）